高等数学 / 系统课时

泊松分布

泊松分布

泊松分布用于描述固定时间、区域或空间内某类事件发生的次数。本课将从参数含义、适用条件和概率计算出发,建立“平均发生率决定次数分布”的直觉,并说明它如何建模低频但可重复出现的事件。

学习目标

  • 理解泊松分布参数 λ\lambda 的实际含义
  • 会计算指定次数发生的概率
  • 能判断一个计数问题是否适合使用泊松分布

从计数问题认识泊松分布

设随机变量 XX 表示一个固定观察区间内事件发生的次数。当事件彼此近似独立、平均发生率相对稳定,并且极短区间内同时发生多次的可能性很小时,可以用泊松分布描述 XX。

若 XX 服从参数为 λ\lambda 的泊松分布,记作:

X∼Poisson⁡(λ)X \sim \operatorname{Poisson}(\lambda)

其中 λ>0\lambda>0,表示一个完整观察区间内事件发生次数的平均值。例如,某客服系统平均每分钟收到 3 个请求,则可取 λ=3\lambda=3,随机变量表示下一分钟实际收到的请求数。

概率质量函数

泊松分布中,事件恰好发生 kk 次的概率为:

P(X=k)=e−λλkk!,k=0,1,2,…P(X=k)=\frac{e^{-\lambda}\lambda^k}{k!},\quad k=0,1,2,\ldots

以每分钟平均收到 3 个请求为例,下一分钟恰好收到 2 个请求的概率是:

P(X=2)=e−3322!≈0.2240P(X=2)=\frac{e^{-3}3^2}{2!}\approx 0.2240

这里的 k!k! 会抑制较大次数的概率,而 λk\lambda^k 和 e−λe^{-\lambda} 共同决定概率集中在哪些次数附近。所有非负整数对应的概率之和等于 1。

参数如何改变分布

泊松分布只有一个参数,但它同时决定均值和方差:

E(X)=λ,Var⁡(X)=λE(X)=\lambda,\qquad \operatorname{Var}(X)=\lambda

因此,λ\lambda 越大,分布中心越向右移动,波动范围也会扩大;λ\lambda 较小时,概率主要集中在 0、1、2 等较小次数。泊松分布通常右偏,当 λ\lambda 增大后,形状会逐渐接近对称。

不同参数下的泊松分布

适用条件与常见误区

判断是否适合使用泊松分布时,应同时检查观察区间是否固定、事件是否按次数计数、平均发生率是否大致稳定,以及各次发生是否近似独立。网站一分钟内的故障数、道路一公里内的缺陷数、一天内到店的少量投诉数,都是常见场景。

泊松分布不适合直接描述“是否成功”这类只有两个结果的问题,也不适合发生率随时间剧烈变化、事件之间明显互相影响的情形。若观察区间扩大为原来的 cc 倍,并且发生率保持稳定,新参数应变为 cλc\lambda。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

泊松分布

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通