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。 / _, c$ J3 H' { - X6 }* L& B9 j/ }目录 ' o. T _. G. Y' V' Q/ G, K1 e; H * u. P1 j1 d% J! \2 @9 M3 s 泊松分布与二项分布的区别" R u2 Q3 `7 a, D
泊松分布的应用+ g% ?9 l: F3 _% n0 C* w
展开5 i- l1 ]7 ` \$ `8 I
5 k& F; ?9 k" X4 {" S Poisson distribution的产生8 j: O8 D! c! G, C: j
编辑本段泊松分布与二项分布的区别 $ y0 E$ l2 Z' T$ n- A; s 8 w6 H; M: Q0 t0 r
[泊松分布] 1 i' i; H; Z/ y, T" D' s- s: H* r4 e; Z/ {$ w7 |# P' I( m: X
泊松分布0 T% O6 {( [! p! Q6 ^) q3 E
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 C3 J. b4 [$ d. C离散型概率分布 3 b2 C! N! M7 E( l0 C$ E6 t9 x 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$ I# X1 B7 ?# ~/ y, ?
3 N% S3 w2 C; ~) T& }: u
5 [2 E% p( T' W3 w9 W + Z/ H3 w7 _8 y2 }(k=0,1,2,…), 6 E- l5 ?# D- R! I; H* 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。, H/ U2 ?0 U o( j( m; D5 T& `
泊松分布 " D6 x( ^% k9 |' T( x 9 |- ?8 c( L) o5 Z ~. h# M+ f' a [泊松分布实例] 4 N( D2 q9 j/ M8 E' R5 e; M! Q $ L" @5 H8 f+ Q泊松分布实例 7 U1 n% u3 z+ C8 j+ F0 H7 ]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。 $ X0 C8 M. n* K% C泊松分布的概率函数 4 ?8 M' G$ D% k2 H5 `% P6 ^( | $ }# g0 }6 K) \7 O% f1 `# x; }# O; r* H n4 _& D' ~
泊松分布(16张) 9 V# z7 ~1 W& }( s4 a% b# | 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。# f! G" \$ X$ K& V
泊松分布的期望和方差均为 λ 2 x7 l4 P2 _6 K. h$ g 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。 , t# ~4 T8 Z! q编辑本段泊松分布的应用 + I# l3 e" d- s0 X2 p. q( z( D 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。 + N. n$ B1 S3 u# J 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:% u* g$ Q7 @& w4 x% {; o" F
P(x)=(m^x/x!)*e^(-m) / `" v: f. E2 n7 L p ( 0 ) = e ^ (-m) 4 |7 J$ w; I1 z- [0 c 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:8 f6 `: V4 q& l, I3 [3 ]
P(0)=e^(-3)=0.05;6 o, ^ y9 z( b, X" r) I
P(1)=(3/1!)e^(-3)=0.15;: B4 r5 h/ u( q# E" D4 |: v
P(2)=(3^2/2!)e^(-3)=0.22;) E. }& F6 N$ i' p8 n
P(3)=0.22; 6 i% E# ~+ A9 C; g) J; _( ~2 h2 H P(4)=0.17;……; ^; J% J" D; o5 u8 c$ j
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。