当前位置：首页 > news >正文

如何理解泊松分布

news 2025/7/26 13:01:14

文章目录

- 一、引例——鲸鱼研究
- 二、泊松分布

一、引例——鲸鱼研究

有生态学家对生活在北冰洋水域的鲸鱼进行了跟踪研究，他们利用一台水下无人机来探测鲸鱼数量，这是近十天的数据：

第1天	第2天	第3天	第4天	第5天	第6天	第7天	第8天	第9天	第10天
10	10	14	12	11	15	8	9	7	6

最后四天鲸鱼数目的连续减少趋势令人担忧，水质恶化吗？。

注意到每天探测到的鲸鱼不会是同时发生的，而是分散在一天的不同时间段。

这事实上是一个随机事件的时间分布，于是我们将一天时间划分为12段，那么第一天的数据如下：

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

那么对于这组数据，鲸鱼出现的概率 p = 5/6

我们试图把鱼群数量转换成时间上的二项分布，那么 12 个时间段就转化成了一个二项分布，一天内出现10头鲸鱼的概率如下：
$Cnk⋅pk⋅(1−p)n−k=C1210⋅(56)10⋅(16)2=0.2961C_n^k \cdot p^k \cdot (1-p)^{n-k} = C_{12}^{10} \cdot (\frac{5}{6})^{10} \cdot (\frac{1}{6})^2 = 0.2961$
这正是 拉普拉斯 得意门生 西莫恩·德尼·泊松(1781~1840) 的思路。

前面我们选取的是第一天的数据，我们现在选取第二天的数据，有14头鲸鱼，12个时间段有些不够用，于是我们划分成24个时间段。

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

则一天中出现14头鲸鱼的概率：
$pi=1424=712则Cnk⋅pk⋅(1−p)n−k=C2414⋅(712)14⋅(512)10=0.1634\begin{align} & p_i = \frac{14}{24} = \frac{7}{12} & 则 C_n^k \cdot p^k \cdot (1-p)^{n-k} = C_{24}^{14} \cdot (\frac{7}{12})^{14} \cdot (\frac{5}{12})^{10} = 0.1634 \end{align}$
但是我们上面的思考有一个漏洞就：一个时间段是有可能有多头鲸鱼出现的

这说明什么？时间段太大了！我们直接把一天划分成无数个时间段，单独每个时间段都趋于无穷小，这样无论两头鲸鱼的时间挨得有多近，都能区分开来，则有：
$limn→∞Cnk⋅pk⋅(1−p)n−k，其中：n代表时间分段数，p代表任意时间段内鲸鱼出现的概率p的估计不再以某一天数据为准，而是选取平均值，即p=μn\begin{align} & lim_{n \rightarrow \infty} C_n^k \cdot p^k \cdot (1-p)^{n-k}，其中：\\ & n代表时间分段数，p代表任意时间段内鲸鱼出现的概率 \\ & p的估计不再以某一天数据为准，而是选取平均值，即 p = \frac{\mu}{n} \end{align}$

公式的进一步推导：
$limn→∞Cnk⋅pk⋅(1−p)n−k=limn→∞Cnk⋅(μn)k⋅(1−μn)n−k=lim⁡n→∞n(n−1)(n−2)⋯(n−k+1)k!⋅μknk⋅(1−μn)n−k=μkk!⋅lim⁡n→∞n(n−1)(n−2)⋯(n−k+1)nk⋅(1−μn)n−k=μkk!⋅lim⁡n→∞nn(n−1)n(n−2)n⋯(n−k+1)n⋅(1−μn)n−k=μkk!⋅lim⁡n→∞1⋅1…1⋅(1−μn)n−k=μkk!⋅lim⁡n→∞(1−μn)n−k=μkk!⋅lim⁡n→∞(1−μn)n⋅lim⁡n→∞(1−μn)−k=μkk!⋅lim⁡n→∞(1−μn)n=μkk!e−μ(等价无穷小)\begin{align} & lim_{n \rightarrow \infty} C_n^k \cdot p^k \cdot (1-p)^{n-k} \\ =& lim_{n \rightarrow \infty} C_n^k \cdot (\frac{\mu}{n})^k \cdot (1-\frac{\mu}{n})^{n-k} \\ =& \lim _{n \rightarrow \infty} \frac{n(n-1)(n-2) \cdots(n-k+1)}{k!} \cdot \frac{\mu^{k}}{n^{k}} \cdot\left(1-\frac{\mu}{n}\right)^{n-k} \\ =& \frac{\mu^{k}}{k!} \cdot \lim _{n \rightarrow \infty} \frac{n(n-1)(n-2) \cdots(n-k+1)}{n^{k}} \cdot\left(1-\frac{\mu}{n}\right)^{n-k} \\ =& \frac{\mu^{k}}{k!} \cdot \lim _{n \rightarrow \infty} \frac{n}{n} \frac{(n-1)}{n} \frac{(n-2)}{n} \cdots \frac{(n-k+1)}{n} \cdot\left(1-\frac{\mu}{n}\right)^{n-k} \\ =& \frac{\mu^{k}}{k!} \cdot \lim _{n \rightarrow \infty} 1 \cdot 1 \dots 1 \cdot\left(1-\frac{\mu}{n}\right)^{n-k} \\ =& \frac{\mu^{k}}{k!} \cdot \lim _{n \rightarrow \infty} \left(1-\frac{\mu}{n}\right)^{n-k} \\ =& \frac{\mu^{k}}{k!} \cdot \lim _{n \rightarrow \infty} \left(1-\frac{\mu}{n}\right)^{n} \cdot \lim _{n \rightarrow \infty} \left(1-\frac{\mu}{n}\right)^{-k} \\ =& \frac{\mu^{k}}{k!} \cdot \lim _{n \rightarrow \infty} \left(1-\frac{\mu}{n}\right)^{n} \\ =& \frac{\mu^{k}}{k!} e^{-\mu} (等价无穷小) \\ \end{align}$