基于概率论的随机过程，用泊松分布对香港猖獗的电话诈骗进行模拟，python实现并且经过实验验证

考虑到香港猖獗的电话诈骗。我将研究电话诈骗是否满足某个概率分布。于是查了维基百科和香港警队的资料：数据显示，2021年电话诈骗案将有1193宗，平均每天有3.27宗诈骗案。香港748.2万人口约750万。基于手机通常是个人拥有的手机，假设每个案例只有一个人接听并被骗，则每天被骗人数为 3.27 除以 7,500,000 等于 0.000000436。1 除以 0.000000436 约为 2,300,000。因此，每天大约有 2,300,000 个电话是电话诈骗电话。11.png假设诈骗者的电话是泊松流，泊松分布参数 lambda=2300000 除以 7500000 约等于 0.31。用这个参数估计我收到电话诈骗案的概率参数如下图所示。因此，我每天接到诈骗电话的概率并不高。

根据泊松分布属性：我收到诈骗电话的数学期望为 0.31。大约3到4天接到1个诈骗电话，为了消除实验的机会，我进行了3次实验，即在12天的时间里检查我的通话记录。我发现我接到诈骗电话的次数电话打了4次，时间大概是3~4天一次，可见电话诈骗案符合泊松分布！

这是我的源代码：

from scipy import stats
import matplotlib.pyplot as plt
plt.rcParams[‘font.sans-serif’]=[‘SimHei’]
plt.rcParams[‘a