泊松分布图 · 概率统计智能手册

泊松分布（Poisson distribution）是一种描述单位时间（或单位空间）内随机事件发生次数的离散概率分布。适用于事件独立且以固定平均速率 λ 发生的情形。

🔹 例如：每小时到达客服中心的电话数、某地区每天交通事故数、放射性衰变粒子数。

上图展示了不同 λ 下的柱状图：
λ = 1 时分布右偏，大多数计数为0或1；
λ = 4 时分布接近对称，峰值在4附近；
λ = 10 时形态趋近正态分布，标准差 √10 ≈ 3.16。

✅ λ 越大，分布越分散，形状越对称。

泊松累积概率常用于「置信区间」与「假设检验」。例如：已知 λ=5，求 P(X ≤ 3) 的值，可通过泊松CDF快速计算。

🔹 实际中常用泊松分布近似二项分布（当 n 很大，p 很小）。

❓ 泊松分布与正态分布有什么联系？

当 λ 足够大（通常 λ ≥ 20），泊松分布近似正态分布 N(λ, λ)。但泊松是离散分布，正态是连续分布。在质量控制与统计推断中常用此近似。

❓ 泊松分布要求事件独立吗？

是的。经典泊松过程要求事件在不相交的时间区间内独立，且不能同时发生（可忽略重合概率）。若事件相互影响（如传染性疾病），则需使用其他模型。

❓ 如何选择 λ 值？

λ 是单位时间（或空间）内的平均发生次数。通常通过历史数据计算均值：λ̂ = (总事件数) / (总单位数)。例如5天内共50次电话，则 λ = 10 通/天。

❓ 泊松分布图为什么是柱状图？

因为泊松是离散分布，随机变量只取非负整数。柱状图的高度表示该整数出现的概率，相邻柱子之间没有连续值。

❓ 现实中有哪些“泊松悖论”或注意点？

注意：若事件发生率随时间变化（如白天/夜间差异），则不能使用单一 λ。此时可使用分段泊松或混合模型。另外，零膨胀数据常用零膨胀泊松（ZIP）处理。

🧪 泊松分布图