泊松分布计算器 - 计算事件概率

什么是泊松分布计算器？

泊松分布计算器根据事件的平均发生频率，计算在固定时间段或空间范围内发生特定数量事件的概率。当事件一次发生一个、彼此独立且平均发生率保持稳定时，可以使用泊松分布。典型例子包括呼叫中心一小时内接到的电话数量，或一页上的拼写错误数量。

泊松分布公式

当平均发生率为 λ（希腊字母 lambda）时，泊松分布给出恰好发生 k 个事件的概率：

$P(X = k) = \dfrac{e^{-\lambda} \lambda^{k}}{k!}$

各符号的含义如下：

• λ（lambda） — 每个区间内事件的平均数量。这是该分布唯一的参数。
• k — 要计算其概率的事件确切数量。它必须是大于或等于0的整数。
• e — 欧拉数，一个约等于2.71828的固定常数。
• k! — “k 的阶乘”，即从1到 k 的所有整数的乘积。例如，4! = 4 × 3 × 2 × 1 = 24。按照约定，0! = 1。

该公式只需要 λ 和 k。不像二项分布，它不需要试验总次数。

如何计算泊松概率

1. 选择 λ，即所研究区间内事件的平均数量。
2. 选择 k，即要计算其概率的事件确切数量。
3. 计算 e 的 −λ 次方：得到 e^(−λ)。
4. 计算 λ 的 k 次方：得到 λ^k。
5. 求 k!，即 k 的阶乘。
6. 将步骤3和4的结果相乘，然后除以步骤5的结果。

得到的数值是介于0和1之间的概率。将其乘以100即可表示为百分比。

算例

某呼叫中心平均每小时接到5个电话（λ = 5）。在某一小时内恰好接到3个电话（k = 3）的概率是多少？

1. e^(−5) ≈ 0.006738
2. 5^3 = 125
3. 3! = 3 × 2 × 1 = 6
4. 相乘：0.006738 × 125 ≈ 0.842243
5. 除以6：0.842244 ÷ 6 ≈ 0.140374

该小时内恰好接到3个电话的概率约为0.140，即14%。

更多示例

泊松分布的应用领域

泊松分布用于描述罕见且相互独立事件的计数。常见应用包括：

• 呼叫中心和客户服务：预测每小时到达的电话或聊天请求数量。
• 制造业：估计一批产品中的缺陷数量。
• 保险业：估计某一时期内到达的理赔申请数量。
• 生物学和医学：对突变数量或罕见疾病的传播进行建模。
• 物理学：描述放射性衰变，其中每个原子都以恒定的平均速率独立衰变。
• 交通和网络工程：估计驶入交叉口的车辆数量或到达服务器的请求数量。

使用泊松分布的条件与限制

只有在以下条件全部满足时，泊松分布才适用于某种情形：

• 事件一次发生一个；两个事件不能在完全相同的时刻发生。
• 事件彼此独立——一个事件不会使下一个事件发生的可能性变大或变小。
• 平均发生率 λ 在所研究的区间内保持不变。

如果发生率随时间变化，或事件倾向于成群发生，简单的泊松分布就无法很好地描述这些数据。

泊松分布与相关分布的比较

• 二项分布：当试验次数固定，且每次试验的成功概率已知时使用，例如抛硬币20次。随着试验次数变得非常大、每次试验的成功概率趋近于零，而二者的乘积保持在 λ 附近，二项分布就趋近于泊松分布。
• 正态分布：当 λ 较大、通常高于20时，泊松分布与均值为 λ、方差为 λ的钟形正态分布近似。
• 指数分布：泊松分布计算固定区间内发生了多少个事件，而指数分布描述这些事件之间的等待时间。

历史简述

法国数学家西梅翁·德尼·泊松于1837年在一本关于将概率应用于法院判决的著作中提出了这一分布。起初它并未受到太多关注。在20世纪初，拉迪斯拉乌斯·博特凯维奇和罗纳德·费希尔等统计学家将其应用于实际计数数据后，这一分布的应用逐渐增加，其中包括一项关于普鲁士士兵被马踢死的著名研究。

常见问题

泊松分布中的 lambda（λ）是什么意思？ Lambda 是所研究区间内预期发生的事件平均数量。它也是该分布的方差，因此 λ 越大，平均计数越高，可能结果的离散程度也越大。

k 或 λ 可以是负数或分数吗？ λ 必须大于0，但可以是小数，例如每小时发生2.5个事件。k 必须是0或更大的整数，因为它表示实际事件数量；它不能是负数或分数。

泊松分布与二项分布有何不同？ 二项分布需要固定的试验次数，以及每次试验固定的成功概率。泊松分布只需要平均发生率，适用于理论上可以发生任意次数的事件。

什么时候应改用正态分布？ 当 λ 较大、通常高于约20时，具有相同均值和方差的正态分布可以很好地近似泊松分布，而且通常更便于手算。

为什么计算器有时会以科学计数法显示数值？ 结果通常显示到小数点后六位。当概率小于0.0001时，保留六位小数会将其四舍五入为0.000000，无法显示其实际有多小，因此计算器会改用科学计数法。对于 λ = 20 且 k = 1的情况，计算器显示4.122307e-8，即0.00000004122307。

计算器接受的数值有范围限制吗？ 有。λ 必须大于0且不大于700，k 必须是从0到1000的整数。超出这些范围时，计算器会显示错误。这些上限使结果保持在计算机能够存储的数值范围内，也使图表中的柱形数量保持在易于阅读的范围内。

泊松分布允许多个事件同时发生吗？ 不允许。该模型假设事件一次发生一个。如果两个事件经常同时发生，其他分布会更适合描述这些数据。

参考文献

1. Poisson, Siméon Denis。《Recherches sur la probabilité des jugements en matière criminelle et en matière civile》。巴黎，1837年。
2. Haight, Frank A.《Handbook of the Poisson Distribution》。纽约：John Wiley & Sons，1967年。
3. "Poisson Distribution." NIST/SEMATECH《统计方法电子手册》，第 1.3.6.6.19 节。https://www.itl.nist.gov/div898/handbook/eda/section3/eda366j.htm
4. Johnson, Norman L., Adrienne W. Kemp 和 Samuel Kotz。《Univariate Discrete Distributions》。John Wiley & Sons，2005年。