概率论之正态分布与泊松分布

一、正态分布函数（也称高斯分布函数，PDF）（单变量）：

        即描述了一个连续随机变量的分布情况，其中每个变量代表样本空间中的一个可能取值。在正态分布函数中，通常会涉及以下几个变量：

        x：这是随机变量，表示正态分布中的一个可能的取值。对于给定的正态分布，x 的取值范围通常是负无穷到正无穷。

        μ：这是正态分布的均值，表示整个分布的中心位置。均值确定了分布的位置。

        σ：这是正态分布的标准差，用于衡量分布中值的离散程度或分散程度。标准差越大，分布越分散。

        σ²：这是方差，即标准差的平方。方差也是衡量数据的离散程度的一种指标，它与标准差的关系是 σ²=σ×σ。

        Φ(x;μ,σ2)：这是正态分布函数，表示随机变量 x 在给定均值 μ 和方差 σ² 下的概率密度函数值。可以使用积分计算累积分布函数（CDF），即给定一个值 x，计算所有小于或等于 x 的概率。

二、泊松分布：

        泊松分布是用来描述在一定时间或空间内随机事件发生次数的概率分布。它适用于描述稀有事件的发生情况，比如每天接到的电话数、每小时发生的交通事故数等。泊松分布的特点在于事件的发生是独立且平均发生率恒定的，它告诉我们每种可能事件发生次数的概率大小，帮助我们理解和预测事件发生的情况。

三、正态分布函数与泊松分布函数的关系 

        正态分布函数和泊松分布函数都是描述随机事件发生情况的概率分布，但它们在描述的情况和特性上有所不同。

1. **正态分布函数（高斯分布）**：
   - 正态分布函数描述的是连续型随机变量的分布情况，其曲线呈钟形，对称分布在均值周围，而且呈现出尾部较长的特点。
   - 正态分布适用于描述一些连续性的情况，比如人的身高、体重等，以及一些现象的变化，如温度的变化等。
   - 正态分布由两个参数决定：均值 和 标准差。

2. **泊松分布函数**：
   - 泊松分布函数描述的是在一个固定时间或空间内离散事件的发生次数的概率分布，事件的发生是独立且平均发生率恒定的。
   - 泊松分布适用于描述稀有事件的发生情况，如每天的交通事故数量、每小时的电话呼叫数量等。
   - 泊松分布由一个参数λ决定，表示单位时间或单位空间内事件的平均发生率。

        虽然两者描述的是不同类型的随机事件，但在某些情况下，当泊松分布的参数 λ 趋向于无穷大时，泊松分布的形态会逐渐接近正态分布。这是由于中心极限定理的作用，即独立随机变量之和的分布趋向于正态分布，这使得在某些情况下，当事件发生率较高时，泊松分布可以近似地用正态