- 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。
$ p: B, B- G; O5 F( i- h3 X( u9 u" O0 F' t/ y
目录/ H' `& M$ p1 |7 ~" O
1 l. K4 i" R8 c( X
泊松分布与二项分布的区别1 D/ L& j6 k) ^5 ?+ q0 A
泊松分布的应用3 A9 }1 {6 F5 V7 W
展开/ F. ^: @" E9 r7 f' g8 L5 ]
% W$ X5 d. d9 B9 i Poisson distribution的产生
6 z! t- U9 }6 u" ^/ i9 c* W! l8 {- u编辑本段泊松分布与二项分布的区别
) L; X- u, Q" i' ]. L; _
9 j4 R7 ]) N* T9 z [泊松分布]4 L) T6 \" B, g
) n$ `/ w% ?- {3 |. m泊松分布' Z4 |) E! K4 g: B" Y
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。0 @( G7 q! D: {9 F* `. z2 {! ^9 v
离散型概率分布 [3 D) s& A% \# `
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; a% }* |' t- T% [0 E }
- F0 }; D( N1 u* L$ O& C1 r `( g7 i# ]4 C3 [% {8 o
0 P- d% C* U; L( M" n9 f, f; v2 n(k=0,1,2,…),
0 K$ m; p% r1 g( K* L2 S 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。
7 q2 c! ~) k' j6 Z3 ?$ w* ?泊松分布5 W3 b& h, b0 V9 B' q
; P" r( E" }# g. V% L: ~
[泊松分布实例]
" z. J/ ]5 G5 N7 D/ f
( x# @0 a& e0 \$ G+ ?5 s泊松分布实例
) l7 ]2 _7 T6 R3 u% X" H: y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。
# s0 {9 w/ G, @* N5 l泊松分布的概率函数! |8 ^9 j7 s9 L5 U& q% C
2 ~& F( l5 O J' ^6 P9 u- o9 O c: k; k
泊松分布(16张); o3 B4 W6 N) [) ]
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。
1 b* I7 O; T+ H7 M 泊松分布的期望和方差均为 λ# m- c1 q2 I! q4 w
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。
6 [9 k1 B6 f' B8 _, v2 Q$ s编辑本段泊松分布的应用1 ~. Z" I2 a. m7 R, u: @
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。
% f# G6 ~$ G/ A 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:2 |1 u- L% Q0 O0 r% s# ?" d
P(x)=(m^x/x!)*e^(-m). P% f2 n& Y4 ~: _- P6 n, E: }
p ( 0 ) = e ^ (-m)1 s) W7 j- _; w8 ~
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:! l9 D. D9 F* J# m2 c
P(0)=e^(-3)=0.05;- Q3 c* n& _3 ?6 p2 t
P(1)=(3/1!)e^(-3)=0.15;
2 \9 r; C" i7 K) M: z* g6 q P(2)=(3^2/2!)e^(-3)=0.22;, l6 x( t5 B- h2 |7 u( R# [
P(3)=0.22;
, u I& f. ^9 {, O+ l& N9 y P(4)=0.17;……
" _! _ J3 n7 v9 K9 V# A 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
|