泊松分布由二项分布推导而来, 当二项分布 , 时, 便得出泊松分布的公式:
其中:
单位时间内, 事件发生的次数, 可以大于1, 是事前知道的一个常数
: 要计算的事件发生次数, 泊松分布就是计算单位时间内, 时间发生 k 次的概率
2个前提假设
是恒定不变的的
- 所有事件之间, 两两独立 (二项分布要求的, 由于泊松分布来自于二项分布, 所以也要求)
例子
- 一座桥,平均每分钟通过12辆汽车(
), 求每分钟通过车小于等于 16辆的概率
> ppois(16, lambda=12) # lower tail [1] 0.89871注意 R 语言 ppois 计算泊松分布概率是, 默认是 “小于等于” 模式 (lower tail)
- 一座桥,平均每分钟通过12辆汽车(
), 求每分钟通过车大于 16辆 辆的概率
> ppois(16, lambda=12, lower=FALSE) # upper tail [1] 0.10129
- 一座桥,平均每分钟通过12辆汽车(
), 求每分钟通过车等于 16辆 辆的概率
> dpois(x = 16, lambda =12)[1] 0.05429334
- 求
时, 各个百分位点的值
# Sequence of x-values x <- seq(0, 1, by = .01) # Calling qpois() Function y <- qpois(x, lambda = 5) y [1] 0 1 1 1 1 2 2 2 2 2 2 2 2 3 3 3 3 3 [19] 3 3 3 3 3 3 3 3 3 4 4 4 4 4 4 4 4 4 [37] 4 4 4 4 4 4 4 4 4 5 5 5 5 5 5 5 5 5 [55] 5 5 5 5 5 5 5 5 6 6 6 6 6 6 6 6 6 6 [73] 6 6 6 6 6 7 7 7 7 7 7 7 7 7 7 8 8 8 [91] 8 8 8 8 9 9 9 10 10 11 Inf
- 生成10个随机值, 他们基于
的泊松分布。
> rpois(10 ,12) [1] 12 16 14 6 14 7 13 13 8 12这里, 可以了解为, 假设桥平均每分钟通过12辆汽车, 且通过汽车速率符合泊松分布。 模拟出10个随机值, 每个值代表每分钟通过该桥的汽车数。
- 一座桥, 经过观察, 5分钟通过了80辆车,假如通过汽车速率符合泊松分布。 假如说它
能否正当?
的置信区间是多少?
> poisson.test(80, 5, r=12) Exact Poisson testdata: 80 time base: 5number of events = 80, time base = 5, p-value = 0.0139alternative hypothesis: true event rate is not equal to 1295 percent confidence interval: 12.68700 19.91338sample estimates:event rate 16 由于 p-value > 0.05 无法拒绝原假设,所以正当。 置信区间为 (12.68, 19.91)