- 在线时间
- 3 小时
- 最后登录
- 2012-2-10
- 注册时间
- 2012-2-5
- 听众数
- 4
- 收听数
- 0
- 能力
- 0 分
- 体力
- 35 点
- 威望
- 0 点
- 阅读权限
- 20
- 积分
- 31
- 相册
- 0
- 日志
- 3
- 记录
- 2
- 帖子
- 35
- 主题
- 12
- 精华
- 0
- 分享
- 0
- 好友
- 15
升级   27.37% 该用户从未签到
 |
Poisson分布(法语:loi de Poisson,英语:Poisson distribution,译名有泊松分布、普阿松分布、卜瓦松分布、布瓦松分布、布阿松分布、波以松分布、卜氏分配等),是一种统计与概率学里常见到的离散概率分布,由法国数学家西莫恩·德尼·泊松(Siméon-Denis Poisson)在1838年时发表。
! [( [) F$ G1 f+ L( k+ o
. U! q5 ]: R9 P目录+ ^0 Y; u% S0 ^' H5 r! ^! A1 a
' E4 k% S% R6 _, Y7 l 泊松分布与二项分布的区别# E( s3 W+ w6 F5 M0 ? T. p
泊松分布的应用& S& S1 W* W1 ~9 P1 U
展开7 s8 G) M/ I6 D! Z! z! `
7 Z- R$ S. N+ l3 W* E Poisson distribution的产生! @" W( L1 `+ e( }4 L
编辑本段泊松分布与二项分布的区别
4 }7 d! C4 q( K: D1 w6 ] # S+ r A, G: s8 o' T, Y! @
[泊松分布]4 F. C- C. @6 O$ j
1 d+ j. `* _/ m: l+ Z泊松分布1 Y6 J+ ]3 K7 e+ ]0 W' }3 C
当二项分布的n很大而p很小时,泊松分布可作为二项分布的近似,其中λ为np。通常当n≧10,p≦0.1时,就可以用泊松公式近似计算。* T( e7 P- ?1 @9 U% L# S* n
离散型概率分布
3 w) C! t* I7 q/ E& i) F- \/ I9 M. }0 ] 概率论中常用的一种离散型概率分布。若随机变量 X 只取非负整数值,取k值的概率为$ o1 a6 ]/ y0 g: Q6 t1 g9 W7 q
4 O) P/ W$ E& l. x# z* }
5 S0 Y4 O+ V# ]' i+ C
, z7 d7 B. f+ C' s) {- h/ R
(k=0,1,2,…),
* y6 w' x8 F7 C9 {) j7 c 则随机变量X 的分布称为泊松分布,记作P(λ)。这个分布是S.-D.泊松研究二项分布的渐近公式是时提出来的。泊松分布P (λ)中只有一个参数λ ,它既是泊松分布的均值,也是泊松分布的方差。在实际事例中,当一个随机事件,例如某电话交换台收到的呼叫、来到某公共汽车站的乘客、某放射性物质发射出的粒子、显微镜下某区域中的白血球等等,以固定的平均瞬时速率 λ(或称密度)随机且独立地出现时,那么这个事件在单位时间(面积或体积)内出现的次数或个数就近似地服从泊松分布。因此泊松分布在管理科学,运筹学以及自然科学的某些问题中都占有重要的地位。
# c+ d+ `: ? C& g0 Q5 I; {9 z泊松分布
8 Y3 h+ `7 Y2 Q3 n4 ^4 g
8 {; Y% s* E; |7 R9 r [泊松分布实例]
+ z; j( P! d w m% t4 }# k& i; w% t% P
泊松分布实例/ x$ J0 R, ^( N
泊松分布(Poisson distribution),台译卜瓦松分布,是一种统计与概率学里常见到的离散机率分布(discrete probability distribution)。泊松分布是以18-19 世纪的法国数学家西莫恩·德尼·泊松(Siméon-Denis Poisson)命名的,他在1838年时发表。但是这个分布却在更早些时候由贝努里家族的一个人描述过。就像当代科学史专家斯蒂芬·施蒂格勒(Stephen Stigler)所说的误称定律(the Law of Misonomy),数学中根本没有以其发明者命名的东西。2 @5 r1 o" T1 P! Z4 K/ x3 r
泊松分布的概率函数0 X, G0 F9 `# g' e9 B# z; P
" L5 P" x3 |- a# I& w' j0 l/ H: @" C% \9 }! L- ?
泊松分布(16张)0 E3 z% ^7 B1 m5 h( l4 V
泊松分布的概率分布函数为: P(X=k)=\frac{e^{-\lambda}\lambda^k}{k!} 泊松分布的参数λ是单位时间(或单位面积)内随机事件的平均发生率。 泊松分布适合于描述单位时间内随机事件发生的次数。如某一服务设施在一定时间内到达的人数,电话交换机接到呼叫的次数,汽车站台的候客人数,机器出现的故障数,自然灾害发生的次数等等。
. P3 O: d' \# z y$ f" F. @' a2 W( W# L 泊松分布的期望和方差均为 λ8 P$ T1 n+ }' j2 w; r
泊松分布的参数λ是单位时间(或单位面积)内随机事件的平均发生率。2 K/ q# S% c M2 G: Z0 T6 c
编辑本段泊松分布的应用
0 U& y& G. b( [9 ~" J 泊松分布适合于描述单位时间(或空间)内随机事件发生的次数。如某一服务设施在一定时间内到达的人数,电话交换机接到呼叫的次数,汽车站台的候客人数,机器出现的故障数,自然灾害发生的次数,一块产品上的缺陷数,显微镜下单位分区内的细菌分布数等等。
, v3 G: |6 F! d4 o 观察事物平均发生m次的条件下,实际发生x次的概率P(x)可用下式表示:% D% d* F" O3 O) L1 X5 c$ z, M6 T
P(x)=(m^x/x!)*e^(-m)" G' A$ F5 e& ~' n+ J- e. N8 N
p ( 0 ) = e ^ (-m)* Y n8 ^) b. l8 U3 }# O+ r; w
称为泊松分布。例如采用0.05J/m2紫外线照射大肠杆菌时,每个基因组(~4×106核苷酸对)平均产生3个嘧啶二体。实际上每个基因组二体的分布是服从泊松分布的,将取如下形式:; I2 r7 ` m0 |1 @4 N6 X
P(0)=e^(-3)=0.05;
6 P3 g3 w- O9 F) i2 A. y( \5 q P(1)=(3/1!)e^(-3)=0.15;5 f/ j: E0 Z: N
P(2)=(3^2/2!)e^(-3)=0.22;
0 y: x+ d: `( L P(3)=0.22;/ T0 W& ^+ M2 U
P(4)=0.17;…… T/ j3 l6 X9 {3 b0 `& v
P(0)是未产生二体的菌的存在概率,实际上其值的5%与采用0.05J/m2照射时的大肠杆菌uvrA-株,recA-株(除去既不能修复又不能重组修复的二重突变)的生存率是一致的。由于该菌株每个基因组有一个二体就是致死量,因此P(1),P(2)……就意味着全部死亡的概率。 |
zan
|