Blackwell 更新定理

$EN(t)/t\to 1/\mu$ 是把从零开始的巨大窗口平均化。Blackwell 定理则让窗口保持固定大小，只把它推向远方。系统何时启动的影响逐渐消退，固定窗口看到的平均更新密度才成为 $1/\mu$。

不能对 $m(t)\sim t/\mu$ 直接作差或求导来证明局部结论。一个远小于 $t$ 的余项仍可能在相邻时间窗之间振荡，而一般更新函数甚至没有导数。

证明机制与它的适用范围 ​

一个直观的证明路线先构造平衡延迟更新过程：首次等待取分布 $F_e(x)={\mu }^{-1}{\int }_0^{x}P(X>s)ds$，以后的间隔仍服从 $F$。它在任意长度 $h$ 的窗口内期望更新数恰为 $h/\mu$。接着比较普通过程与这一平衡过程，证明起点差异对远处窗口的影响趋零。

若 $F$ 有密度且失效率夹在两个正常数之间，可以用同一条速率足够大的Poisson 候选时钟公理库Poisson 过程Poisson process · 泊松过程以独立平稳的 Poisson 增量描述连续时间到达，并与独立指数间隔相互转换。，通过各自失效率决定是否接受候选点。平衡首次等待的失效率也有相同的上下界：其失效率为 $P(X>x)/{\int }_x^{\mathrm{\infty }}P(X>u)du$，由原生存函数在 $x$ 之后的指数上下界即可得到。给候选点配相互独立、且独立于时钟的均匀标记，并让两过程共用这些标记，两者共同接受的概率至少为失效率下界除以候选速率。共同接受点出现后，让以后间隔相同，便完成耦合公理库耦合法Coupling method · Probability coupling在共同概率空间中构造具有指定边缘的随机变量，并用它们相遇的概率比较分布。；若上下界为 $0<c_1\le h_F,h_{F_e}\le c_2$，可取候选速率 $c_2$；标记不超过 $c_1/c_2$ 的候选必被两者接受，所以相遇时间 $\tau$ 满足 $P(\tau >t)\le e^{-c_{1}t}$。相遇以后窗口计数相同；相遇前每条计数都不超过候选计数，而 $(t,t+h]$ 的未来候选与 $\{\tau >t\}$ 独立，故两窗口计数的期望差绝对值至多 $2c_{2}h{e}^{-c_{1}t}$。一般非格点分布可能没有这样的时钟耦合，完整证明还需更新测度的逼近论证。这个加强假设下的机制说明了结论的原因，但不能冒充所有非格点情形的完整证明。

若间隔为速率 $\lambda$ 的指数分布，$m(t)=\lambda t$，所以每个窗口的期望次数已经精确等于 $\lambda h=h/\mu$，无需等到远处。若间隔为两个独立速率 $\lambda$ 指数时间之和，平均周期为 $2/\lambda$，定理给出的远处长度 $h$ 窗口期望为 $\lambda h/2$；这并不使该窗口计数变成 Poisson 分布。

反例取 $X\equiv 2$、$h=1$。当 $t=2n$，$(t,t+1]$ 内没有更新；当 $t=2n+1$，窗口内恰有一次。期望因此在 $0$ 与 $1$ 之间振荡，并不趋于 $1/2$。与此同时 $N(t)/t\to 1/2$ 完全成立，明确区分了局部与全局结论。若改取 $h=2$，每个窗口恰有一次更新，与格点版本吻合。

固定 $h$ 也不可偷偷换成随 $t$ 缩小的 $h_t$。定理没有宣称 $[m(t+h_t)-m(t)]/h_t\to 1/\mu$，更没有在没有密度时给出逐点更新密度。

将一般响应函数切成小区间上的阶梯函数，每块贡献由本定理控制，再对尾部给出统一估计，可以得到关键更新定理公理库关键更新定理Key renewal theorem以直接 Riemann 可积性控制尾部，把局部更新极限推广到更新卷积的长期极限。。这一步需要响应函数的直接 Riemann 可积性，不能仅把无限多个窗口极限相加。