随机过程

分布

1.泊松分布

例如：某医院平均每小时出生3个婴儿

1.1特点

  它们的特点就是，我们可以预估这些事件的总数，但是没法知道具体的发生时间。已知平均每小时出生3个婴儿，请问下一个小时，会出生几个？有可能一下子出生6个，也有可能一个都不出生。这是我们没法知道的。

泊松分布就是描述某段时间内，事件具体的发生概率。
  上面就是泊松分布的公式。等号的左边，P 表示概率，N表示某种函数关系，t 表示时间，n 表示数量，1小时内出生3个婴儿的概率，就表示为 P(N(1) = 3) 。等号的右边，λ 表示事件的频率。

  (1)接下来两个小时，一个婴儿都不出生的概率是0.25%，基本不可能发生。
  (2)接下来一个小时，至少出生两个婴儿的概率是80%。

2.指数分布

  指数分布是事件的时间间隔的概率。下面这些都属于指数分布。

• 婴儿出生的时间间隔
• 来电的时间间隔
• 奶粉销售的时间间隔
• 网站访问的时间间隔
    指数分布的公式可以从泊松分布推断出来。如果下一个婴儿要间隔时间 t ，就等同于 t 之内没有任何婴儿出生。
    反过来，事件在时间 t 之内发生的概率，就是1减去上面的值。
  
    （1）接下来15分钟，会有婴儿出生的概率是52.76%。

  （2）接下来的15分钟到30分钟，会有婴儿出生的概率是24.92%。

3.总结

  一句话总结：泊松分布是单位时间内独立事件发生次数的概率分布，指数分布是独立事件的时间间隔的概率分布。

  请注意是"独立事件"，泊松分布和指数分布的前提是，事件之间不能有关联，否则就不能运用上面的公式。

4.正态分布

正态分布又名高斯分布（Gaussian distribution）
假设一随机变量X服从一个期望为μ,方差为σ2的正态分布，概率密度函数为：
$$f(x)=\frac{1}{\sqrt{2}\sigma }{e}^{-\frac{(x-\mu {)}^2}{2{\sigma }^2}}$$
测可记作：X~N($\mu ,{\sigma }^2$):

4.参考链接

1.https://nbviewer.jupyter.org/github/nicolewhite/notebooks/blob/master/Poisson.ipynb
2.http://www.ruanyifeng.com/blog/2015/06/poisson-distribution.html