泊松分布 · 概率分布图

Poisson Distribution — 稀有事件统计模型

泊松分布（Poisson distribution）是描述固定时间或空间内随机事件发生次数的离散概率分布。由法国数学家西莫恩·德尼·泊松（Siméon Denis Poisson）提出，广泛应用于排队论、交通流、通信网络、生物学、保险精算等领域。

其概率质量函数为：
P(X=k) = (λ^k · e^{-λ}) / k! , k = 0,1,2,…
其中 λ 为事件的平均发生率（也是方差）。

📊 泊松分布图核心特征

▪ 形状与λ的关系
当 λ 较小（如 λ=1）时，分布右偏，峰值在 k=0 或 1 附近；随着 λ 增大，分布逐渐对称，趋于正态分布（λ≥20 时近似正态）。

▪ 典型图像
下图展示了不同 λ 取值下的概率质量柱状图，横轴为事件发生次数 k，纵轴为概率。

▲ λ = 2 , λ = 5 , λ = 8 泊松分布对比

▪ 重要性质
均值 = 方差 = λ；分布具有可加性：独立泊松变量之和仍服从泊松分布。

🔍 λ参数解读 & 应用场景

λ 的含义：单位时间（或单位面积）内事件平均发生次数。例如：

λ=0.5 · 极稀疏事件 λ=2 · 低频事件 λ=5 · 中等频率 λ=10 · 较高频率

实际案例：
• 某网站每分钟访问量（λ=4.2）
• 某路段每小时交通事故数（λ=0.7）
• 放射性物质每秒衰变粒子数（λ=3.0）

❓ 常见问题 & 解答

泊松分布与二项分布有何关系？

当二项分布的试验次数 n 很大，成功概率 p 很小，且 np = λ 为常数时，二项分布近似为泊松分布。泊松分布可视为“稀有事件”的二项分布极限形式。

泊松分布图为什么是离散的柱状图？

因为泊松分布描述的是计数数据，k 只能取非负整数（0,1,2,…），所以概率质量函数在整数点上有定义，图形为离散的竖线或柱状，而非连续曲线。

如何判断数据是否服从泊松分布？

可检查均值与方差是否大致相等；绘制经验频率与泊松理论概率的对比图；或使用卡方拟合优度检验。若数据来自稀有事件且独立，通常符合泊松分布。

λ 很大时泊松分布图有什么变化？

当 λ ≥ 20，泊松分布形态接近正态分布，均值 = λ，方差 = λ，图形对称且峰值位于 λ 附近。此时可用正态分布近似计算。

泊松分布图中的“泊松分布曲线”是光滑的吗？

严格来说，泊松分布是离散分布，但为了直观，常在柱状图上叠加一条光滑的“泊松分布曲线”（实质为连接概率点的折线或样条）。本网站图中以柱状图显示精确概率。

📐 泊松分布公式 & 计算示例

概率质量函数：
P(X=k) = (λ^k · e^{-λ}) / k!

示例： 某客服中心平均每小时接到5通电话（λ=5），求恰好接到3通的概率？
P(X=3) = (5³ · e⁻⁵) / 3! ≈ (125 · 0.006738) / 6 ≈ 0.1404

累积分布函数（CDF）： F(k) = Σᵢ₌₀ᵏ (λⁱ e^{-λ}) / i! ，用于计算不超过 k 次的概率。

🧠 泊松分布 · 拓展应用

▪ 保险精算： 建模理赔次数，评估风险。
▪ 运筹学： 排队系统（M/M/1队列）的到达过程。
▪ 生物学： 显微镜下细胞计数、突变发生次数。
▪ 天文： 单位面积星体数量。
▪ 供应链： 每日订单量、库存需求预测。