数学建模社区-数学中国
标题: 用一个”栗子“讲清楚泊松分布 [打印本页]
作者: 浅夏110 时间: 2020-5-15 10:51
标题: 用一个”栗子“讲清楚泊松分布
我们这篇文章的内容关于统计学中的泊松分布。
举个栗子6 {( W3 ]' P& S; t
泊松分布在概率统计当中非常重要，可以很方便地用来计算一些比较难以计算的概率。很多书上会说，泊松分布的本质还是二项分布，泊松分布只是用来简化二项分布计算的。从概念上来说，这的确是对的，但是对于我们初学者，很难完全理解到其中的精髓。
3 Q1 }! p( h' R2 t: c% T& Y
所以让我们来举个栗子，来通俗地理解一下。
4 |; j% F; e% \* g! s7 _( b. |' J* f假设我们有一颗栗子树，有时候因为风或者是小动物活动的关系，树上可能会掉下栗子来，树上掉栗子显然是一个偶然事件，并且发生的概率很低，那么我们怎么求它的概率分布呢？泊松分布解决的就是这样一个问题。
* p- g- g& I( r7 ~, q3 N
好像没有一个模型可以直接来刻画这个问题，必须要经过一些转化。
" L ~. V) a- Q# i2 C
其实我们可以将事件切分，将这个问题转化成二项分布问题。
9 c' A7 {, D. U: R- t* [
3 ^1 z% M7 X) s! R. N9 s5 ~比如我们把一天的时间切分成了若干份，这样对于每一份时间来说，最多只会掉一个栗子。那么，这就转化成了一个二项分布问题。理论上来说不会有两颗栗子掉下的时间完全一样，所以只要我们将时间切分得足够细，就可以保证一段时间之中最多只会掉下一个栗子（否则就不满足二项分布）。
% U7 l) |' @$ w! `4 k0 e# f假设我们把一天的时间切分成了n份，我们想知道一天当中会有k个栗子掉下的概率，根据二项分布的公式，这个概率就是：
2 b6 @4 X6 }7 t: j
# M* _# z/ k7 {. V8 r3 N到这里，我们往前迈出了坚实的一步，写出了概率的表达式。
推导泊松分布
5 ~7 Q) r$ r) m2 S+ f1 S我们虽然有了式子，但是好像没什么用，因为我们只知道p是单位时间内有栗子掉下的概率，我们怎么知道这个概率是多大呢？难道还真的去测量吗？
0 O/ g) k$ O! r+ L Y
要解决这个问题，还得回到二项分布。我们可以利用二项分布求一下每天掉下栗子数量的期望，显然对于每一个单位时间而言，发生栗子掉落的概率是p，所以整体的期望是：
3 n* Z2 ?+ r6 a5 K# w
0 Y- H0 m/ D4 o+ t4 ~
我们令这个期望值是
，那么根据这个式子，我们可以表达出p了。9 n# U# f9 o4 c' c! E/ W1 R; E
s+ H) i' y; X3 f- X: {
我们把这个p的式子带入原式，可以得到：4 X2 {+ Q% i8 F: N' m
V# H2 C& \0 A我们来算一下这个极限：
7 N9 F+ M6 D; U+ D# t& |
! o( m# G# z) J! C我们把这个极限拆分开来看，其中：
9 }6 ]& H- I' l, e. f
( H: s2 Y$ v5 @7 W4 s" I9 j所以，我们代入，可以得到：
, j0 a6 T7 E1 d; R7 b( y
- s2 d0 n+ l; }2 C: A3 a3 g- r3 U
这个就是泊松分布的概率密度函数了，也就是说在一天当中掉下k个栗子的概率就是
。
! ]! ^% |4 @0 E$ i* N$ M也就是说泊松分布是我们将时间无限切分，然后套用二项分布利用数学极限推导出来的结果。本质上来说，它的内核仍然是二项分布。使用泊松分布的原因是，当n很大，p很小的时候，我们使用二项分布计算会非常困难，因为使用乘方计算出来的值会非常巨大，这个时候，我们使用泊松分布去逼近这个概率就很方便了。
结尾和升华
; n! `' f7 [( \2 [我们根据推导出来的结果，感觉只要是n很大，并且p很小的场景都可以使用泊松分布。但是这毕竟只是一个感性的认知，在统计学上对于这个问题也是有严谨定义的。我们来看一下严谨的使用条件的限制，大概是这么三条。
9 L% i* N' Z3 s
- 当我们将时间进行无线切分之后，在接近于0的时间段内事件发生的概率与时间成正比。
- 在每一段无限小的时间段内，同一事件发生两次的概率无限接近于0
- 在不同的时间段内，事件是否发生互相独立
# D7 S) F: K- s) k
1 Z" X2 F, X- k/ s3 f5 L最后，我们看一道书上的例题，实际感受一下泊松分布的应用。假设我们有一批零件，它的次品率是0.1%，也就是千分之一。请问我们生产一千个产品当中至少有两件次品的概率？
8 [, e( I9 W x+ N" B& Y
这道题应该很简单，要求两件及以上次品的概率，我们只需要计算出只有零件和一件次品的概率，然后用1减去它们即可。我们首先根据n和p算出： " E( M) }$ @3 p! T$ s$ Q
我们带入泊松分布的公式：
L* u% k$ `7 x$ R4 `4 ]4 ?8 @% [8 k1 W如果我们要用二项分布来计算，那么就需要计算0.999的一千次方了，这显然是非常麻烦的，这也是泊松分布的意义。
转载于公众号：TechFlow7 O% M8 a- x) u; A- R
7 m. k) {" \* G, d) k1 [2 P0 o! j$ X. r. I
" R) W* O- d" B6 }. y, P W6 k
作者: 德古拉 时间: 2020-5-15 11:59
Good interpretation~' j6 t% [2 l; Y" `" L, e
| 欢迎光临 数学建模社区-数学中国 (http://www.madio.net/) |
Powered by Discuz! X2.5 |