泊淞分佈(英文:Poisson distribution;法文:Loi de Poisson)係種概率分佈,可以描寫隨機嘅自然現象嘅頻率,例如一段時間(一年、一個鐘)或者空間之內某種嘢(旋風、收到電話、地震、鯊魚咬人)嘅發生次數。泊淞隨機變數(Poisson random variable), X,條分佈式(pdf)係 f X ( k ) = e − λ λ k k ! {\displaystyle f_{X}(k)=e^{-\lambda }{\frac {\lambda ^{k}}{k!}}} ,其中 k 係次數, λ {\displaystyle \lambda } 係平均值(有時寫做 μ {\displaystyle \mu } )。 Remove ads來龍去脈 泊淞分佈可以話係二項分佈同常態分佈嘅過渡函數。 當二項分佈嘅試驗次數(n)越大,圖形睇起嚟就越密,越似平滑嘅鐘形。 不妨令 n 趨向無限大,即係 lim n − > ∞ ( n k ) p k q n − k {\displaystyle \lim _{n->\infty }{{\binom {n}{k}}p^{k}q^{n-k}}} 。 因為二項分佈嘅期望值 μ = n p {\displaystyle \mu =np} ,所以 p = μ n {\displaystyle p={\frac {\mu }{n}}} 。 又因為 n 趨向無限大,所以成功機率 p = lim n − > ∞ μ n = 0 {\displaystyle p=\lim _{n->\infty }{\frac {\mu }{n}}=0} ,而失敗機率 q = 1 − p = 1 {\displaystyle q=1-p=1} 。 替換原式 lim n − > ∞ ( n k ) ( μ n ) k ( 1 − μ n ) n − k {\displaystyle \lim _{n->\infty }{{\binom {n}{k}}({\frac {\mu }{n}})^{k}(1-{\frac {\mu }{n}})^{n-k}}} ,入面 ( n k ) {\displaystyle {\binom {n}{k}}} 趨向 n k k ! {\displaystyle n^{k} \over k!} 。 變咗 lim n − > ∞ n k k ! μ k n k ( 1 − μ n ) n − k {\displaystyle \lim _{n->\infty }{{\frac {n^{k}}{k!}}{\frac {\mu ^{k}}{n^{k}}}(1-{\frac {\mu }{n}})^{n-k}}} 。 簡化做 lim n − > ∞ μ k k ! ( 1 − μ n ) n − k {\displaystyle \lim _{n->\infty }{{\frac {\mu ^{k}}{k!}}(1-{\frac {\mu }{n}})^{n-k}}} 。 前面同 n 冇關抽出,後面用指數律分拆,變咗 μ k k ! ⋅ lim n − > ∞ ( 1 − μ n ) n ( 1 − μ n ) − k {\displaystyle {{\frac {\mu ^{k}}{k!}}\cdot \lim _{n->\infty }(1-{\frac {\mu }{n}})^{n}(1-{\frac {\mu }{n}})^{-k}}} 。 ( 1 − μ n ) − k {\displaystyle (1-{\frac {\mu }{n}})^{-k}} 趨向 1 {\displaystyle 1} ,而 ( 1 − μ n ) n {\displaystyle (1-{\frac {\mu }{n}})^{n}} 趨向 e − μ {\displaystyle e^{-\mu }} 。 最後得到嘅新函數就係 f ( k ) = e − μ μ k k ! , ( μ = λ ) {\displaystyle f(k)=e^{-\mu }{\frac {\mu ^{k}}{k!}}\ ,\ (\mu =\lambda )} ,呢個就係泊淞分佈。 Remove ads性質 驗算機會率加埋係咪等於1:條式嘅自變數係k=0,1,2,...(因為n趨向無限大,所以k冇上限) 所有情況夾埋即係 ∑ k = 0 ∞ e − λ λ k k ! = e − λ ⋅ ∑ k = 0 ∞ λ k k ! = e − λ ⋅ e λ = 1 {\displaystyle \sum _{k=0}^{\infty }e^{-\lambda }{\frac {\lambda ^{k}}{k!}}=e^{-\lambda }\cdot \sum _{k=0}^{\infty }{\frac {\lambda ^{k}}{k!}}=e^{-\lambda }\cdot e^{\lambda }=1} 。 泊淞分佈嘅期望值係 n p = μ = λ {\displaystyle np=\mu =\lambda } 。 泊淞分佈嘅標準差係 n p q = ( n p ) ⋅ ( 1 − p ) = μ ⋅ 1 = μ = λ {\displaystyle {\sqrt {npq}}={\sqrt {(np)\cdot (1-p)}}={\sqrt {\mu \cdot 1}}={\sqrt {\mu }}={\sqrt {\lambda }}} 。 Remove ads睇埋 二項分佈 常態分佈 出面網頁 呢篇統計學文係楔位文。歡迎幫維基百科擴寫佢。睇 • 論 • 改 • 歷 Loading related searches...Wikiwand - on Seamless Wikipedia browsing. On steroids.Remove ads