泊松分布和泊松过程

泊松分布的由来

泊松分布由二项分布演进而来。二项分布十分好理解，给你n次机会抛硬币，硬币正面向上的概率为p，问在这n次机会中有k次（k<=n）硬币朝上的概率为多少？

在这n次抛硬币中，硬币朝上的次数的期望有多少？
如果现在我能根据n的大小来控制p，从而控制这个期望，即无论n为多大，硬币朝上的次数的期望不变(恒为lambda）：

那么当n趋于无穷的时候，P(K_heads)将趋于 泊松分布，即：

推到过程见（Introduction To Probability p307： https://www.dropbox.com/s/mrss8wg5yvmf7kw/Introduction%20to%20Probability.pdf)

所以，实验结果满足泊松分布的实验即为 泊松过程。泊松过程把离散的伯努利过程变得连续化了：原来是抛n次硬币，现在变成了无穷多次抛硬币；原来某次抛硬币得到正面的概率是p，而现在p无限接近于0（p=lambda/n），即：非常难抛出正面朝上的硬币；但是n次实验中硬币朝上的次数的期望不变，即lambda恒定。在泊松过程中，我们把抛出硬币正面这样的事件叫做 到达（Arrival）。把单位时间内到达的数量，叫做 到达率（Arrival Rate）。

故，泊松过程需要满足以下三个性质：

1. 在任意单位时间长度内，到达率是稳定的。对应于无穷次抛硬币的例子，我们相当于把一个单位时间分割成了无穷次抛硬币的实验，每次实验产生正面的概率都是一样的（为lambda/n），而在这无穷个抛硬币实验之后（即一个单位时间之后）我们期望能抛出lambda个正面的硬币。这个性质类比于在有限次抛硬币（二次分布）的例子中保证了每次掷出硬币为正面的概率都为p。 

2. 未来的实验结果与过去的实验结果无关。对应于无穷次抛硬币的例子，之前不管抛出了多少个正面和反面的硬币，都不会影响之后硬币出现的结果。

3. 在极小的一段时间内，有1次到达的概率非常小，没有到达的概率非常大。对应于无穷次抛硬币的例子，我们发现硬币朝上的概率p=lambda/n趋向于0。