泊松分布

计算概率
根据查找到的概率值计算所需事件的概率。例如，如果需要计算平均值为λ的标准正态分布下，距离平均值2个标准差范围内的概率，可以通过查找λ值对应的概率，然后将其与标准正态分布曲线下的面积相乘得到概率值。
确定参数
首先需要确定所需的置信水平和所需的样本数量n。置信水平通常选择95%或99%，样本数量n则根据实际情况而定。
对于具有依赖性和集群性的事件，可以考虑使用更复杂的模型，如负二项式分布、帕累托分布等，以更好地描述事件的发生。
使用更复杂的模型
为了处理事件发生的时空变化，可以考虑引入时变参数，根据时间、地点等因素的变化来调整参数值。
引入时变参数
可以结合其他理论或方法，如聚类分析、关联规则等，以更全面地考虑事件发生的影响因述了服务台前顾客到达的次数。
排队论
保险精算
自然灾害
在保险精算中，泊松分布被用来计算在一定时间段内发生特定事件（如死亡、理赔等）的概率。
在预测自然灾害（如地震、洪水等）的频率时，泊松分布也具有应用价值。
03
02
01
$f(k) = \frac{{e^{- \lambda}\lambda^{k}}}{k!}$
累积分布函数
泊松分布的累积分布函数表现为一条从0开始缓慢上升的曲线，随着λ的增加，曲线逐渐变得陡峭。这条曲线与横轴之间的面积表示事件发生的概率。
泊松分布的数学推导
03
VS
f(k) = λ^k * e^(-λ) / k!
泊松分布的概率质量函数
p(k) = λ^k * e^(-λ) / k!
泊松分布的概率密度函数
常见用途
泊松分布在自然和社会科学中都有广泛的应用，如人口统计学、生物统计学、经济学等。通过使用泊松分布表，可以方便地查询和计算在给定参数下的概率分布。

2 2
D { N (t )} = E [ N (t )] − ⎡ ⎣ E { N (t )}⎤ ⎦ = λt
2
{
}
自相关函数
⎧λ t + λ 2t1t2 R (t1 , t2 ) = E { N (t1 ) N (t2 )} = ⎨ 2 2 ⎩ λ t1 + λ t1t2
假设 t1 < t2 ，有
t1 ≥ t2 t1 ≤ t2
2
= λt1 + λt1 ⋅ λt2
总结起来，有
E{N (t1 ) N (t2 )} = λ ⋅ min [t1 , t2 ] + λt1 ⋅ λt2
自协方差函数
C (t1 , t2 ) = E { N (t1 ) N (t2 )} − E { N (t1 )} E { N (t2 )} = λ min(t1 , t2 ) = λ t1U (t2 − t1 ) + λ t2U (t1 − t2 )
2 泊松过程的基本概念
定义，设有一个计数过程{N(t), t>0}满足下列假设，称为泊松过程， 1. 在 t=0 时，N(t)=0； 2. 该过程是独立增量计数过程； 3. 该过程是平稳增量计数过程； 4. 在（t, t+Δt）内出现一个事件的概率为 λΔt + 0(Δt)，λ为一常数，在（t, t+Δt） 内出现两个或两个以上事件的概率为 0(Δt)，即 P{ N(t+Δt) - N(t)>1}=0(Δt)
P { N (t ) = n + k / N ( s ) = k } = P { N (t ) − N ( s ) = n / N ( s ) = k} = P { N ( s + Δt ) − N ( s ) = n} = Pn (t ) = (λ ⋅ Δt ) n − λ ⋅Δt e n!

体均数为λ1+λ2。
从同一水源独立地取水样5次，进行细菌培养，
每次水样中的菌落数分别为Xi，i=1,…,5,均服 从Poisson分布，分别记为Π（λi）, i=1,…,5， 把5份水样混合，其合计菌落数∑Xi也服务 Poisson分布，记为Π（λi+λi +…+λ5）.
例
某一放射性物体，以一分钟为时间单位的放射性计数

（一）概率估计和累积概率
概率估计 例 实验显示某100cm2的培养皿中菌落数等于3个的
概率
6 P( X 3) e 0.089 3!
6
3
例：如果某地居民脑血管疾病的患病率为150/10万，
那么调查该地1000名居民中有2人患脑血管疾病的概 率有多大？
n 1000 0.0015 1.5
例 8-9泊松分布的配合适度
将培养皿中的细菌稀 表8-4 细菌在计数小方格中的分布 释液置于血球计上， 每小格 观察的 数出小方格中的细菌 细菌数（x） 方格数（f） 数，共计128个方格， 计数结果见右表。问 0 26 此分布是否符合泊松 1 40 分布？ 2 38
3 4 17 7
Poisson分布拟合优度检验计算表
当n很大而π很小,且nπ =为常数时,二项分布近似 Poisson分布 Poisson分布的总体均数和方差相等：即=2 当增大时，Poisson分布渐近正态分布;当≥20时Poisson 分布资料可作为正态分布处理 Poisson分布具有可加性
Poisson分布的均数和方差
n 当 0时 ， 1 1 n (1 ) n
应用均数=方差的特点可以检验样本中各计数（x1 ，
x2 ，… xn)是否来自同一总体有随机样本。用所观察到 的样本数据，作如下卡方检验，其自由度为n-1

泊松分布的计算
一、泊松分布的计算
泊松分布是随机事件在一个固定时间段内发生的概率分布，其中每个事件的发生是相互独立的，且发生概率不受其他事件发生的影响。

泊松分布的参数是一个独立的，由全体可能事件的概率总和决定的形态。

计算泊松分布的公式为：
P(x) = ((λ^x)* e^(-λ))/x!
其中，λ是每个事件发生的期望值，x是事件发生的次数，e是
自然常数，x!是x的阶乘。

二、通过泊松分布计算概率
例如，若给定一个λ=4，计算在一个可能事件中发生两次的概率。

在这种情况下，x=2，因此可以将上面的公式应用于此：
P(x) = ((4^2) * e^(-4))/2!
P(x) = (16 * 0.018315638) / 2
P(x) = 0.2945
因此，在一个有可能的事件中发生两次的概率为0.2945。

- 1 -。