标签：分布 lim 理解 二项分布 Poisson np frac 对泊松 lambda
对泊松分布的一点理解
如题，自从知道（或者说听说更恰当）了泊松分布之后，就一直很奇怪它的原理。所以找了一些资料来帮助理解。
果然，像老师说的那样：概率统计并不好学，觉得简单的人只不过是还没有完全掌握。
泊松分布和二项分布
泊松分布和二项分布之间有极限近似关系，就说明它们之间一定存在着一些本质上的联系：
二项分布是说，已知某件事情发生的概率是p，那么做n次实验，事情发生的次数就服从二项分布。
泊松分布是指，某段连续的时间内某件事情发生的次数。而在这个情形下，“某件事情”发生所用的时间是可以忽略的。例如， 5 m i n 5min 5min内电子元件遭受脉冲的次数，就服从于泊松分布。
Poisson分布的两种定义
要讨论Poisson分布的本质，不妨从它的定义入手
定义一
一个随机变量X，只能取非负整数（X = 0, 1, 2, …），且相应的概率为
e
−
λ
λ
x
x
!
e^{-\lambda}\frac{\lambda ^x}{x!}
e−λx!λx
则称该变量服从Poisson分布。
这个定义就是我们平时考试或者理论工作时用的Poisson随机变量的定义
定义二（Poisson Process的定义）
假定一个事件在一段时间内随即发生，且符合以下条件：
- 将该时间段无限分割成若干个小的时间段，在这个接近于零的小时间段内，该事件发生一次的概率于这个极小时间段的长度成正比。
- 在每一个极小时间段内，该事件发生两次及以上的概率恒等于零。
- 该事件在不同的小时间段里，发生与否相互独立。
则该事件称为Poisson Process。
为什么现实生活中的情况（例如医院的例子）会服从Poisson分布的第一定义？
以第二定义作为桥梁，就容易理解了。在现实生活中的情况，如果事件是相互独立的，那么很容易就能符合Poisson分布的第二定义，因此也就符合Poisson分布
公式的推导
将一段时间
T
T
T做划分，等分为
n
n
n份。假设在每一段时间内，事件发生的概率为
p
p
p。则在
T
T
T时间内，事件发生
k
k
k次的概率为：
lim
n
→
∞
C
n
k
p
k
(
1
−
p
)
n
−
k
(1)
\lim_{n\to \infty}C^k_np^k(1-p)^{n-k}\tag1
n→∞limCnkpk(1−p)n−k(1)
这里的概率
p
p
p需要求解，方法如下：
显然
(
1
)
(1)
(1)式服从二项分布，二项分布的期望为：
E
(
X
)
=
n
p
=
λ
E(X)=np=\lambda
E(X)=np=λ
那么：
p
=
λ
n
(2)
p = \frac{\lambda}{n}\tag2
p=nλ(2)
将
(
2
)
(2)
(2)式回代入
(
1
)
(1)
(1)式，得到：
lim
n
→
∞
C
n
k
p
k
(
1
−
p
)
n
−
k
=
lim
n
→
∞
C
n
k
(
λ
n
)
k
(
1
−
λ
n
)
n
−
k
(3)
\lim_{n\to \infty}C^k_np^k(1-p)^{n-k}=\lim_{n\to \infty}C^k_n(\frac{\lambda}{n})^k(1-\frac{\lambda}{n})^{n-k}\tag3
n→∞limCnkpk(1−p)n−k=n→∞limCnk(nλ)k(1−nλ)n−k(3)
计算
(
3
)
(3)
(3)式的极限，得：
lim
n
→
∞
C
n
k
(
λ
n
)
k
(
1
−
λ
n
)
n
−
k
=
e
−
λ
λ
k
k
!
\lim_{n\to \infty}C^k_n(\frac{\lambda}{n})^k(1-\frac{\lambda}{n})^{n-k}=e^{-\lambda}\frac{\lambda ^k}{k!}
n→∞limCnk(nλ)k(1−nλ)n−k=e−λk!λk
这就是Poisson分布得概率密度函数，即
P
(
X
=
k
)
=
e
−
λ
λ
k
k
!
P(X = k)=e^{-\lambda}\frac{\lambda ^k}{k!}
P(X=k)=e−λk!λk
其中
λ
=
n
p
\lambda = np
λ=np
泊松分布是二项分布n很大而p很小时的一种极限形式
二项分布：KaTeX parse error: \tag works only in display equations
泊松分布： lim n → ∞ C n k p k ( 1 − p ) n − k = lim n → ∞ C n k ( λ n ) k ( 1 − λ n ) n − k = e − λ λ k k ! \lim_{n\to \infty}C^k_np^k(1-p)^{n-k}=\lim_{n\to \infty}C^k_n(\frac{\lambda}{n})^k(1-\frac{\lambda}{n})^{n-k}=e^{-\lambda}\frac{\lambda ^k}{k!} limn→∞Cnkpk(1−p)n−k=limn→∞Cnk(nλ)k(1−nλ)n−k=e−λk!λk
其中 n p = λ np=\lambda np=λ，且在泊松分布里 n → ∞ n\to \infty n→∞很大，而 p = λ n p = \frac{\lambda}{n} p=nλ很小
标签：分布,lim,理解,二项分布,Poisson,np,frac,对泊松,lambda 来源： https://blog.csdn.net/weixin_51134546/article/details/120696745
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。