🧪 泊松分布公式
Poisson Distribution · 概率质量函数
📐 泊松分布 P(X = k)
P(X = k) = e−λ · λk / k!
λ (lambda) — 单位时间/空间内事件平均发生次数 · k = 0,1,2,…
E(X) = λ
Var(X) = λ
σ = √λ
λ > 0
率参数
k ∈ ℕ
事件次数
e ≈ 2.718
自然常数
k!
k 的阶乘
📘 分布详解
泊松分布（Poisson distribution）是概率论中描述稀有事件在固定时间或空间内发生次数的离散概率分布。由法国数学家西莫恩·德尼·泊松于1838年提出。
其概率质量函数 (PMF) 为：
P(X = k) = (e−λ · λk) / k! ，其中 λ 是事件的平均发生次数 (均值与方差相等)。
应用场景：电话呼叫中心每小时接听数、某路段交通事故数、放射性衰变粒子数、网页访问量等。
❓ 常见问题 · 智能解答
泊松分布与二项分布的关系？
当二项分布试验次数 n 很大，成功概率 p 很小，且 np = λ 时，二项分布近似为泊松分布。泊松分布是二项分布的极限形式。
泊松分布的期望和方差为什么相等？
由泊松过程的定义可推导：E[X] = λ，Var(X) = λ。这一性质是泊松分布独有的特征，常用于判断数据是否服从泊松分布。
如何计算 P(X ≥ 1) ？
利用补集：P(X ≥ 1) = 1 − P(X=0) = 1 − e−λ。例如 λ=2 时，至少发生一次的概率为 1 − e−2 ≈ 0.8647。
泊松分布适用于哪些实际案例？
① 某医院急诊每小时到达人数；② 某网站每分钟点击量；③ 某区域每天交通事故数；④ 放射性物质单位时间衰变计数。要求事件独立且发生率恒定。
📊 典型应用案例
📞 呼叫中心 · 每小时通话数
某客服中心平均每小时接到 λ=5 通电话。计算一小时恰好接到 3 通的概率：
P(X=3) = e−5·5³/3! ≈ 0.1404。使用泊松分布可优化人员排班。
🚗 交通流 · 路口事故数
某路口平均每周发生 λ=2 起事故。下周无事故概率 P(X=0)=e−2≈0.1353；至少一起概率为0.8647。交管部门据此制定安全策略。
🧩 泊松过程 · 延伸
泊松分布是泊松过程的核心。泊松过程是计数过程的一种，满足：独立增量、平稳增量、在充分小时间间隔内最多发生一次事件。其增量服从泊松分布。
若事件以恒定速率 λ 发生，则时间 t 内发生次数 X(t) ~ Poisson(λt)。该模型广泛用于排队论、可靠性工程、金融等领域。
📌 拓展关键词： 泊松分布公式 · 概率质量函数 · 泊松分布期望 · 泊松分布方差 · 泊松过程 · 指数分布 · 离散分布 · 统计建模 · 机器学习 · 随机过程