泊松分布详解

这篇具有很好参考价值的文章主要介绍了泊松分布详解。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

泊松分布

泊松分布(Poisson distribution):

泊松分布是用来描述在一指定时间范围内或在指定的面积或体积之内某一事件出现的次数的分布。常用的泊松分布例子包括:

1. 在某企业中每月发生的事故的次数。

2. 单位时间内到达某一服务柜台(服务站、诊所、超市的收银台、电话总机等)需要服务的顾客人数。

3. 人寿保险公司每天收到的死亡声明的个数。

4. 某种仪器每月出现故障的次数。

泊松分布的条件:

1. 试验是在给定的时间、面积、体积等单位内发生的事件次数。

2. 事件发生在给定的时间、面积、体积等单位内的概率对每一单位都是相同的。

3. 发生在一个时间、面积、体积等单位的事件与发生在其他单位的事件是相互独立的。

(任意相等时间间隔内,事件的平均出现次数是固定的)(任给的两次等待时间是否发生事件是相互独立的)

泊松分布公式:

泊松分布详解

式中,λ为给定的时间间隔内事件的平均数。

泊松分布的期望值与方差分别为:

E(X) = λ

D(X) = λ

实际案例:

假定某企业职工在周一请事假的人数X近似服从泊松分布,且设周一请事假的平均人数为2.5人。要求计算:

1. X的均值与标准差。

2. 在给定的某周一正好请事假是5人的概率。

:(1)由于周一请事假服从泊松分布,根据上面的公式可知,期望以及方差等于λ(平均数)=2.5,因此E(X)=D(X)=2.5,标准差:

泊松分布详解

(2)X的概率分布:

泊松分布详解

λ=2.5,x=5,

泊松分布详解

*在n重贝努里实验中,当成功的概率很小(即P→0),试验次数很大时,二项分布可近似等于泊松分布,即:

泊松分布详解

在实际应用中,当P≤0.25,n>20,np≤5时,用泊松分布近似二项分布效果良好。

测试代码:文章来源地址https://www.toymoban.com/news/detail-478528.html

from scipy.stats import poisson
#生成泊松分布,均值为2.5,大小为10 
data = poisson.rvs(mu=2.5, size=10)
print(data) # array([2, 2, 2, 0, 7, 2, 1, 2, 5, 5])
#计算泊松分布概率:周一请事假的平均人数为2.5人,在给定的某周一正好请事假是5人的概率 
print(poisson.pmf(k=5, mu=2.5))

到了这里,关于泊松分布详解的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • Python计算泊松分布教程

    泊松分布描述在给定时间间隔内发生K次事件的概率。 如果给定随机变量X服从泊松分布,那么X恰等于k次的公式为: P(X=k) = λ k * e -λ / k! 参数解释: λ: 给定时间内发送事件均值 k: 发送事件的次数 e: 常量,近似为 2.71828 泊松分布需要满足下列几个条件: 发生事件次数可数 给

    2023年04月08日
    浏览(49)
  • 泊松分布一

    泊松分布适合于描述单位间隔(时间、距离、面积、体积)内随机事件发生的次数的概率分布。如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、DNA序列的变异数、放射性原子核的衰变数、一年内撞击地球的直径大于1米的陨石数量

    2024年02月08日
    浏览(53)
  • 伯努利分布,二项分布和泊松分布以及最大似然之间的关系(未完成)

    伯努利试验说的是下面一种事件情况:在生活中,有一些事件的发生只有两种可能,发生或者不发生(或者叫成功或者失败),这些事件都可以被称为伯努利试验。 伯努利试验的概率分布 称为伯努利分布(两点分布、0-1分布),如果记成功概率为p,则失败概率为q=1-p,则:

    2023年04月23日
    浏览(33)
  • 概率论的学习和整理16: 泊松分布(未完成)

    目录 简单的扩展到泊松分布  比较整体的动态过程,增加实验次数时 当二项分布,n很大,p很小的时候,会趋向泊松分布 当n足够大时,二项分布趋向于正态分布。这个结论在概率论中被称为中心极限定理,它是概率论中一个非常重要的定理,广泛应用于各种领域,如金融、

    2024年02月16日
    浏览(46)
  • 概率论的学习和整理15: 超几何分布,二项分布,泊松分布是如何趋近收敛的?

    目录 1 问题: 2 结论 3 实验1  4 实验2  5 实验3  6 实验4 5 各种规律总结 5.1   1  5.2  2 5.3  3 5.4 4 6 超几何分布,二项分布,泊松分布,三者用EXCEL模拟 6.1 简单的扩展到泊松分布 6.2  比较整体的动态过程,增加实验次数时 从一个简单模型说开去 比如,有10个球,其中有x个

    2024年02月16日
    浏览(40)
  • Python--随机变量分布之伯努利分布、二项式分布、泊松分布、均匀分布、指数分布、正态分布 【实践】

    《Python人工智能:原理、实践及应用》中随机变量分布的学习。 随机变量可能取得的值,可以把它们分为两种基本类型: 离散型 和 连续型 离散型随机变量即在一定区间内变量取值为 有限个或可数个 。 离散型随机变量根据不同的概率分布有伯努利分布、二项分布、几何分

    2024年02月08日
    浏览(42)
  • 【数据处理】Python:实现求联合分布的函数 | 求边缘分布函数 | 概率论 | Joint distribution | Marginal distribution

          猛戳订阅!  👉 《一起玩蛇》🐍 💭 写在前面: 本章我们将通过 Python 手动实现联合分布函数和边缘分布函数,部署的测试代码放到文后了,运行所需环境 python version = 3.6,numpy = 1.15,nltk = 3.4,tqdm = 4.24.0,scikit-learn = 0.22。 0x00 实现求联合分布的函数(Joint distri

    2024年02月04日
    浏览(47)
  • 正态分布(Normal distribution)

    目录 概念 性质 标准正态分布  \\\"3σ\\\"法则 参考资料 若连续性随机变量X的 概率密度 为 其中  为平均数, 为标准差, 为常数,则称X服从参数为  的正态分布(Normal distribution)或高斯(Gauss)分布,记为. X的 分布函数 为 1.正态分布的图形 曲线关于  对称,这表明对于任意  有

    2024年02月09日
    浏览(40)
  • 分布式系统(Distributed Systems)概述

    随着互联网的持续发展(以Web应用为代表)、计算机应用的深入、分布式系统构建技术的日益成熟,分布式系统逐渐深入到人们的日常生活,并渗透到社会、经济、文化生活的各个方面。现如今,分布式系统已成为主流的软件系统。本文主要介绍下分布式系统的特征和在进行分

    2024年02月14日
    浏览(44)
  • 【Distributed】分布式Ceph存储系统

      单机存储设备大致分为三类,分别是DAS、NAS、SAN。 1.1 DAS   DAS (直接附加存储,是直接接到计算机的主板总线上去的存储)   例如 IDE、SATA、SCSI、SAS、USB 接口的磁盘。所谓接口就是一种存储设备驱动下的磁盘设备,提供块级别的存储。 1.2 NAS   NAS (网络附在存储

    2024年02月16日
    浏览(44)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包