一、泊松分布
日常生活中,大量事件是有固定频率的。
- 某医院平均每小时出生3个婴儿
- 某公司平均每10分钟接到1个电话
- 某超市平均每天销售4包xx牌奶粉
- 某网站平均每分钟有2次访问
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。
P(N(t)=n)=(λt)ne−λtn!
上面就是泊松分布的公式。等号的左边,
P
表示概率,
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。
P(N(2)=0)=(3×2)0e−3×20!≈0.0025
接下来一个小时,至少出生两个婴儿的概率是80%。
P(N(1)≥2)=1−P(N(1)=1)−P(N(1)=0)
泊松分布的图形大概是下面的样子:
二、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
P(X>t)=P(N(t)=0)=(λt)0e−λt0!=e−λt
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。
P(X≤t)=1−P(X>t)=1−e−λt
接下来15分钟,会有婴儿出生的概率是52.76%。
P(X≤0.25)=1−e−3×0.25≈0.5276
指数分布的图形大概是下面的样子:
可以看到,随着间隔时间变长,事件的发生概率急剧下降,呈指数式衰减。想一想,如果每小时平均出生3个婴儿,上面已经算过了,下一个婴儿间隔2小时才出生的概率是0.25%,那么间隔3小时、间隔4小时的概率,是不是更接近于0?
三、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。
本文转自阮一峰的网络日志