泊松分布的推导（每一步详细解释，三分钟学会）

梦云澜

已于 2024-06-05 21:50:27 修改

阅读量1.9k

点赞数 24

分类专栏：数学与概率文章标签：学习

于 2024-05-28 11:10:40 首次发布

本文链接：https://blog.csdn.net/qq_64411728/article/details/139256780

版权

数学与概率专栏收录该内容

7 篇文章

订阅专栏

不知道小伙伴们在学概率论的时候有没有疑惑泊松分布的公式是怎么推导出来的，今天我们就从二项分布的基础上推一下泊松分布的公式。

不说废话，直接开始证明：

在独立实验中，事件A在实验中出现的概率与实验的总数n有关，记为 $p_{n}$ ,n次实验中，事件A出现的次数记为 $X$ , $X\sim B(n,p_{n})$ 。所以就有： $P(X=i)= \binom{n}{i} p^{i}_{n}(1-p_{n})^{n-i}$ ,这不就是二项分布嘛，我们记 $\lambda _{n}=np_{n}$ ,如果有 $\lim_{n \to \infty }\lambda _{n}=\lambda$ ，那么有

$P(X=i;n,p_{n})= \frac{1}{i!}\lambda ^{i}e^{-\lambda}$

证明： $\lim_{n \to \infty }P(X=i;n,p_{n})=\lim_{n \to \infty }\binom{n}{i}p^{i}_{n}(1-p_{n})^{n-i}$

$=\lim_{n \to \infty }\frac{n!}{i!(n-i)!}\frac{\lambda ^{i}_{n}}{n^{i}}(1-\frac{\lambda _{n}}{n})^{n}(1-\frac{\lambda _{n}}{n})^{-i}$

这里其实就是把各个项给展开了，并且根据上述假设将 $p_{n}=\frac{\lambda _{n}}{n}$ 换了一下，后面的二项式给分成了两项，应该不难理解吧，嗯哼，那我们接着证明

$=\lim_{n \to \infty }\frac{n(n-1)\cdot \cdot \cdot (n-i+1)}{n^{i}}\frac{\lambda ^{i}_{n}}{i!}(1-\frac{\lambda _{n}}{n})^{n}(1-\frac{\lambda _{n}}{n})^{-i}$

这一步我们主要是对第一项进行化简，然后再将前两项的分母换一下位置,那此时我们再将 $\lim_{n \to \infty }\lambda _{n}=\lambda$ 带入，则有

$=\frac{\lambda^{i}}{i!}\lim_{n \to \infty }\frac{n(n-1)\cdot \cdot \cdot (n-i+1)}{n^{i}}\frac{\lambda ^{i}}{i!}(1-\frac{\lambda }{n})^{n}(1-\frac{\lambda }{n})^{-i}$