如何简单地理解泊松分布

随笔：如何形象的理解泊松（poisson）分布

1. 提出假设

我们假设在时间段t上事件发生了k次，理想情况下没有事件在完全同一时间发生。那么令事件发生概率为p，根据二项分布，我们能得这样的概率为：
$$\begin{gathered} C_n^k\cdot p^k\cdot (1-p{)}^{n-k}(1) \\ 通过二项分布，那么（1）应该不难理解 \end{gathered}$$
那么在$n趋向于无穷大时$我们能够得到
p { x = k } = lim ⁡ n → + ∞ ( C n k ⋅ p k ⋅ ( 1 − p ) n − k ) 我 们 将 p 记 为 u n 展 开 计 算 得 到 原 式 = lim ⁡ n → ∞ n ( n − 1 ) ( n − 2 ) . . . ( n − k + 1 ) k ! ⋅ u k n k ⋅ ( 1 − u n ) n − k = lim ⁡ n → ∞ u k k ! ⋅ n n n − 1 n . . . . . n − k + 1 n ⋅ ( 1 − k n ) − k ( 1 − k n ) n 而 { lim ⁡ n → + ∞ n n n − 1 n . . . . . n − k + 1 n ⋅ ( 1 − k n ) − k = 1 lim ⁡ n → ∞ ( 1 − u n ) n = e − u ∴ P { X = k } = u k k ! e − u 从 而 我 们 将 u = λ 得 到 了