泊松分布的学习

目录

        概要

        概率分布函数

        举例

        泊松分布的事件概率

        违反泊松假设的例子

概要

Poisson分布，是一种统计与概率学里常见到的离散概率分布，由法国数学家西莫恩·德尼·泊松(Siméon-Denis Poisson) 在1838年时发表。

它表示在一个固定的时间段或空间中，一定数量的事件发生的概率，这些事件以一个已知的常数平均速率发生，并且独立于与上一个事件的间隔发生时间。还可以用来表示其他有特定间隔的事件数量，如距离、面积或体积。

例如，记录每天收到邮件数量的个人可能会注意到，他们平均每天收到4封信。如果收到任何邮件都并不影响未来邮件的到达时间，也就是说，如果不同来源的邮件彼此独立地到达，那么一个合理的假设是，每天收到的邮件数量服从一个泊松分布。

概率分布函数

泊松分布模型用来模拟一个事件在一段时间或空间内发生的次数。
一个离散的随机变量X被称为具有参数λ > 0的泊松分布，如果对于k = 0, 1, 2, ...，X的概率分布函数是:  

• k是出现次数（k是出现次数（k=0,1,2...）
• e是欧拉数（e = 2.71828...）
• !是阶乘函数。

 

举例

泊松分布模型可以用来模拟事件，比如

• 一年内撞击地球的直径大于1米的陨石数量

• 晚上10点到11点到达急诊室的病人人数

• 在特定时间间隔内撞击探测器的激光光子数

泊松分布的事件概率

一个事件可以在一个间隔内发生0,1,2，... 次，区间内的平均事件数被指定为 λ。λ 是事件速率 Event rate，也称为 速率参数 Rate parameter。以下方程给出了在一个区间内观测事件的概率k:

 

•  λ是每个间隔的平均事件数

• e 数值为 2.71828... （欧拉数）自然对数的底

• k取值 0, 1, 2, ...

• k! = k × (k − 1) × (k − 2) × ... × 2 × 1 为k的阶乘。

这个方程就是概率质量函数 (PMF)的泊松分布。

违反泊松假设的例子

• 每分钟抵达学生会的学生人数可能不会遵循一个泊松分布，因为这个比率不是恒定的（上课时间的低比率，课间时的高比率），而且每个学生的到达也不是独立的（学生往往是成群结队来的）。
• 一次大的强震会增加发生类似震级余震的可能性，那么一个国家每年发生5级地震的次数可能不会服从泊松分布。
• 至少有一个事件确定发生的情况不是 Poission 分布式的，但也许可以使用零截断泊松分布进行建模。
• 如果零事件的区间数高于泊松模型预测的区间数分布，则可以使用零膨胀模型来建模。