离散分布——泊松分布、指数分布

概述

搜索引擎使用网络爬虫在爬网页时，有一个重要的策略是对已经爬过的网页，要隔段时间重爬一次，防止网页更新导致索引库中的网页过期。怎么确定这个时间间隔呢？通常会用到泊松分布。

泊松分布

先解释一下泊松分布：假设过去很长一段时间内的跟踪统计数据表明，某医院每个小时会出生3个小孩儿，这个数据就属于泊松分布。因为这个数据满足几个条件：1、这个数据是在很长的一个时间段内来统计得到的；2、每小时出生的小孩儿基本稳定在一个水平；3、每个小时出生的小孩儿数量互不影响；4、随意选取某一个小时来看出生小孩儿数量的话，会发现出生3个的概率很大，出生2个或4个的概率会变小，出生0个或10个的概率极小。用图表示，就是这样的：

回到网页更新爬取这个话题，用R给出应用解决方案：
假设根据过去经验，某网站更新频率为一天3次。

//该网站一天更新0，1，2，3，4，5次的概率分别有多大？
dpois(c(0,1,2,3