title: 【概率论】5-4:泊松分布(The Poisson Distribution)
categories:
- Mathematic
- Probability
keywords:
- Poisson Distribution
- Poisson Processes
toc: true
date: 2018-03-28 15:40:55
Abstract: 本文介绍Poisson分布相关知识
Keywords: Poisson Distribution
开篇废话
前面这几个分布包括今天说的泊松分布都是和二项分布,伯努利分布相互联系的,之间有各种各样的关系,我们的学习目的不是背诵所有这些分布的性质,而是在这些性质的推到过程。
很多实验比较关注次数,比如一段时间内到达商店的顾客的人数,电话交换机每分钟受到的通话请求,洪水或者其他自然人为灾害发生的次数。泊松分布被用来建模,一段事件这些事情发生的次数,并且泊松分布也是用来近似当 ppp 很小的时候的二项分布的一种方法。
Definition and Properties of the Poisson Distributions
先来看一个商店一段时间有多少顾客到来的例子,这个例子会贯穿正片博客,大家应该好好读一下。
商店老板相信,顾客们以每个小时4.5 人次的数量来到商店,他想找到一个X的分布,这个X表示在未来某个一个小时,到店的客人数,并且他认为这些到来的客人之间相互独立,于是他的做法是按照一个小时3600秒计算,平均每秒来 0.00125 个人,并且假设一秒钟不会同时出现两个人同时到店的可能,那么某时间点,到达的人数为0或者1,为1的可能性是0.00125,整个过程是一个二项分布,n=3600,p=0.00125。
这看起来很正确也很流畅
于是他要计算p.f.了:
f(x∣n=3600,p=0.00125)={(3600x)px(1−p)3600−xfor 0≤x≤36000otherwise f(x|n=3600,p=0.00125)= \begin{cases} \begin{pmatrix} 3600\\x \end{pmatrix}p^x(1-p)^{3600-x}&\text{for }0\leq x\leq 3600\\ 0&\text{otherwise} \end{cases} f(x∣n=3600,p=0.00125)=⎩⎨⎧(3600x)px(1−p)3600−x0for 0≤x≤3600otherwise
这个式子非常有意思,当参数 (3600x)\begin{pmatrix} 360 0\\x \end{pmatrix}(3600x) 变大的时候, 参数 px(1−p)3600−xp^x(1-p)^{3600-x}px(1−p)3600−x 似乎以同等的速度变小,而整体却变化不大,于是我们对相邻的两个随机变量值做个比较(以下把 XXX 扩展到在0到 nnn 之间变化)
f(x+1)f(x)=(nx+1)px+1(1−p)n−x−1(nx)px+1(1−p)n−x−1=(n−x)p(x+1)(1−p)≈npx+1 \begin{aligned} \frac{f(x+1)}{f(x)}&= \frac {\begin{pmatrix}n\\x+1\end{pmatrix}p^{x+1}(1-p)^{n-x-1}} {\begin{pmatrix}n\\x\end{pmatrix}p^{x+1}(1-p)^{n-x-1}}\\ &=\frac{(n-x)p}{(x+1)(1-p)}\\ &\approx\frac{np}{x+1} \end{aligned} f(x)f(x+1)=(nx)px+1(1−p)n−x−1(nx+1)px+1(1−p)n−x−1=(x+1)(1−p)(n−x)p≈x+1np
本文节选自原文地址1:https://www.face2ai.com/Math-Probability-5-4-The-Poisson-Distribution转载请标明出处