泊松分布一

这篇具有很好参考价值的文章主要介绍了泊松分布一。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、CCD/CMOS像元接受光子的数量等等。

1. 泊松分布定义

定义
如果一个离散随机变量 X X X,它的质量密度函数由下式给出,则我们称这个离散随机变量 X X X服从泊松分布
f ( k ; λ ) = p ( X = k ) = λ k e − λ k ! , λ > 0 , k = 0 , 1 , 2 , 3 , . . . f(k;\lambda)=p(X=k)=\frac{\lambda^{k}e^{-\lambda}}{k!},\lambda>0,k=0,1,2,3,... f(k;λ)=p(X=k)=k!λkeλ,λ>0,k=0,1,2,3,...
假设与有效条件
以下假设成立时,泊松分布模型适用:

  • 事件在一个时间间隔内发生,且k可以取值0,1,2,…;
  • 一个事件的发生不影响下一个事件发生的概率,也就是事件发生是相互独立的;
  • 事件发生的平均速率(average event rate)与任何事件的发生无关。一般为简单起见,通常假定事件发生的平均速率为常数,但实际上可能随时间而变化;
  • 两个事件不可能在完全相同的时刻发生,即在每一小段的时间内正好有一个事件发生或不发生。

(如果这些条件成立,那么 k k k就是一个泊松随机变量, k k k的分布就是一个泊松分布。)

泊松分布的参数λ是随机事件发生次数的数学期望值,且服从泊松分布的随机变量,其数学期望与方差相等,即 λ = E ( X ) = V a r ( X ) \lambda=E(X)=Var(X) λ=E(X)=Var(X)

2.泊松分布具体实例

实例1:

在一条特定的河流上,平均每 100 年发生一次洪水。假设发生洪水次数符合泊松分布,那么计算 100 年间发生k = 0、1、2、3、4、5 或 6 次洪水的概率 就可以用泊松分布的公式直接计算。

因为平均事件率(average event rate)是每 100 年发生一次洪水,所以 λ = 1 \lambda=1 λ=1.

p ( 100 年 内 发 生 k 次 洪 水 ) = λ k e − λ k ! = 1 k e − 1 k ! = e − 1 k ! p(100年内发生k次洪水)=\frac{\lambda^{k}e^{-\lambda}}{k!}=\frac{1^{k}e^{-1}}{k!}=\frac{e^{-1}}{k!} p(100k)=k!λkeλ=k!1ke1=k!e1
p ( 100 年 内 发 生 0 次 洪 水 ) = 1 0 e − 1 0 ! = e − 1 1 ≈ 0.368 p(100年内发生0次洪水)=\frac{1^{0}e^{-1}}{0!}=\frac{e^{-1}}{1}\approx0.368 p(1000)=0!10e1=1e10.368
p ( 100 年 内 发 生 1 次 洪 水 ) = 1 1 e − 1 1 ! = e − 1 1 ≈ 0.368 p(100年内发生1次洪水)=\frac{1^{1}e^{-1}}{1!}=\frac{e^{-1}}{1}\approx0.368 p(1001)=1!11e1=1e10.368
p ( 100 年 内 发 生 2 次 洪 水 ) = 1 2 e − 1 2 ! = e − 1 2 ≈ 0.184 p(100年内发生2次洪水)=\frac{1^{2}e^{-1}}{2!}=\frac{e^{-1}}{2}\approx0.184 p(1002)=2!12e1=2e10.184
p ( k = 3 ) = 0.061 p(k=3)=0.061 p(k=3)=0.061
p ( k = 4 ) = 0.015 p(k=4)=0.015 p(k=4)=0.015

实例2:

María Dolores Ugarte及其同事在一篇报道中指出世界杯足球比赛中的平均进球数约为2.5个,也适合泊松分布。 因为平均事件率(average event rate)为每场比赛 2.5 个进球,所以 λ = 2.5。
p ( 一 场 世 界 杯 比 赛 进 k 个 球 ) = 2. 5 k e − 2.5 k ! p(一场世界杯比赛进k个球)=\frac{2.5^{k}e^{-2.5}}{k!} p(k)=k!2.5ke2.5
p ( 一 场 世 界 杯 比 赛 进 0 个 球 ) = 2. 5 0 e − 2.5 0 ! = e − 2.5 1 ≈ 0.082 p(一场世界杯比赛进0个球)=\frac{2.5^{0}e^{-2.5}}{0!}=\frac{e^{-2.5}}{1}\approx0.082 p(0)=0!2.50e2.5=1e2.50.082
p ( 一 场 世 界 杯 比 赛 进 1 个 球 ) = 2. 5 1 e − 2.5 1 ! = 2.5 e − 2.5 1 ≈ 0.205 p(一场世界杯比赛进1个球)=\frac{2.5^{1}e^{-2.5}}{1!}=\frac{2.5e^{-2.5}}{1}\approx0.205 p(1)=1!2.51e2.5=12.5e2.50.205
p ( 一 场 世 界 杯 比 赛 进 2 个 球 ) = 2. 5 2 e − 2.5 2 ! = 6.25 e − 2.5 2 ≈ 0.257 p(一场世界杯比赛进2个球)=\frac{2.5^{2}e^{-2.5}}{2!}=\frac{6.25e^{-2.5}}{2}\approx0.257 p(2)=2!2.52e2.5=26.25e2.50.257
p ( k = 3 ) = 0.213 p(k=3)=0.213 p(k=3)=0.213
p ( k = 4 ) = 0.133 p(k=4)=0.133 p(k=4)=0.133
p ( k = 5 ) = 0.067 p(k=5)=0.067 p(k=5)=0.067

3.生成泊松分布的代码

import numpy as np
import matplotlib.pyplot as plt


def poisson(lam:float,max_k:int):
    """
    采用迭代求解的方式计算泊松分布
    泊松分布:p(k) = exp(-lam) * (lam**k) / k!,k>=0.
    迭代方式:p(k) = p(k-1) * lam / k, k>=1, and p(0) = exp(-lam).
    """
    poisson_score = []
    # p(0) = exp(-lam)
    p_0 = np.exp(-lam)
    poisson_score.append(p_0)

    k_mult = 1 # 计算阶乘的中间变量
    for i in range(1,max_k):
        p_k = poisson_score[-1] * lam / i
        poisson_score.append(p_k)
    
    return poisson_score


def main():
    lam1 = 1
    lam2 = 2
    lam3 = 5
    lam4 = 10
    
    max_k = 20

    poisson_score1 = poisson(lam1,max_k)
    poisson_score2 = poisson(lam2,max_k)
    poisson_score3 = poisson(lam3,max_k)
    poisson_score4 = poisson(lam4,max_k)
    
    x = np.arange(len(poisson_score1))

    plt.plot(x,poisson_score1,'c*-',c='b',label='lambda='+str(lam1))
    plt.plot(x,poisson_score2,'c*-',c='g',label='lambda='+str(lam2))
    plt.plot(x,poisson_score3,'c*-',c='r',label='lambda='+str(lam3))
    plt.plot(x,poisson_score4,'cv-',c='b',label='lambda='+str(lam4))
   
    plt.title("Poisson distribution")
    plt.ylabel("Probability")
    plt.xlabel("k")
    plt.xticks(x,[str(item) for item in range(len(poisson_score1))]) # 刻度
    plt.grid(True)
    plt.legend()
    plt.show()


if __name__ == "__main__":
    main()

参考文献
[1].https://en.wikipedia.org/wiki/Poisson_distribution文章来源地址https://www.toymoban.com/news/detail-480676.html

到了这里,关于泊松分布一的文章就介绍完了。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

  • 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(31)
  • 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(40)
  • 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(37)
  • 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(39)
  • R语言贝叶斯METROPOLIS-HASTINGS GIBBS 吉布斯采样器估计变点指数分布分析泊松过程车站等待时间...

    指数分布是泊松过程中事件之间时间的概率分布,因此它用于预测到下一个事件的等待时间,例如,您需要在公共汽车站等待的时间,直到下一班车到了 ( 点击文末“阅读原文”获取完整 代码数据 )。 相关视频 在本文中,我们将使用指数分布,假设它的参数 λ ,即事件之

    2024年02月09日
    浏览(34)
  • 【MATLAB】【数字信号处理】产生系统的单位冲激响应h(t)与H(z)零极点分布

    产生 h(t) 与 H(z) 零极点分布 微机,仿真软件MATLAB 2022a 程序如下: 运行结果如下: 代码如下: 运行结果如下:

    2024年01月19日
    浏览(46)
  • 存储、计算、分布式存储篇(收集整理适合小白)

    存储分类 块存储 需要格式化,将文件直接保存到磁盘上 文件存储 应用程序通过调用操作系统将文件保存到块存储进行持久化 Object对象存储 基于对象的存储,也可以被称为云存储,在对象存储系统中,文件没有多层级的文件结构,而是以存储空间的概念,文件被拆分为多个

    2024年02月05日
    浏览(50)
  • 论文-分布式-共识,事务以及两阶段提交的历史描述

    这是一段关于一致性,事务以及两阶段提交的历史的描述 阅读关于一致性的文献可能会有些困难,因为: 各种用语在不断的演化着(比如一致性consensus最初叫做协商agreement); 各种研究成果并不是以一种逻辑性的顺序产生出来; 同时描述整个分布式算法的框架与这些研究工作

    2024年02月07日
    浏览(35)
  • 存储、计算、分布式虚拟化篇(收集整理适合小白)

    超融合 硬件资源的统一管理 虚拟化 计算机资源最大化利用 桌面云 虚拟机上的桌面 虚拟桌面资源池 用户使用的云桌面虚拟机 虚拟应用资源池 应用虚拟化的虚拟机 处理器虚拟化 将一个物理的CPU虚拟成多个逻辑CPU供虚拟机使用 超线程技术 将多线程处理器内部的逻辑内核模拟

    2024年01月16日
    浏览(50)
  • 存储、计算、分布式知识点思维导图(收集整理适合小白)

    IO技术 FC协议 光纤通道协议,为了解决I/O传输瓶颈对于整个存储系统带来的消极影响从而产生的光纤通道标准协议簇 iSCSI技术 一种专门为小型计算机系统设计的I/O技术又被成为小型计算机系统接口,通过网络由专门的服务器提供存储管理,已实现数据的远程存储,便于集中管

    2024年03月11日
    浏览(57)

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