Вероятность и статистика · Распределение Пуассона

Распределение Пуассона

Пусть события происходят по одному с постоянной средней частотой, а их количества на непересекающихся интервалах независимы. Если на данном интервале ожидается λ событий, вероятность ровно k событий равна P(X = k) = e^(−λ)·λᵏ/k!. Разбейте интервал на n частей с вероятностью события λ/n в каждой: при увеличении n биномиальное распределение стремится к распределению Пуассона.

Распределение Пуассона на этом графике

Распределение Пуассона описывает число событий на заданном отрезке времени, участке прямой или области плоскости: например, число звонков в службу поддержки за час или опечаток на странице. События происходят по одному с постоянной средней частотой, а их количества в непересекающихся областях независимы. Единственный параметр — ожидаемое число событий λ\lambda (частота, умноженная на длину интервала). При k=0,1,2,…k = 0, 1, 2, \dots выполняется P(X=k)=e−λλk/k!P(X = k) = e^{-\lambda}\lambda^k/k!. Здесь интервал разбит на nn частей, в каждой из которых с вероятностью λ/n\lambda/n происходит одно событие. Тогда их общее число имеет биномиальное распределение. При удвоении nn красные столбцы приближаются к контуру Пуассона, а среднее остаётся равным λ\lambda.

Откуда берётся формула

При p=λ/np = \lambda/n биномиальная вероятность раскладывается на три множителя: (nk)pk(1−p)n−k=n(n−1)⋯(n−k+1)nk\binom{n}{k}p^k(1-p)^{n-k} = \frac{n(n-1)\cdots(n-k+1)}{n^k}⋅λkk!⋅(1−λn)n−k{}\cdot\frac{\lambda^k}{k!}\cdot\Bigl(1-\frac{\lambda}{n}\Bigr)^{n-k}. Первый — отношение числа способов последовательно выбрать kk различных подынтервалов к nkn^k; при фиксированном kk он стремится к 1. Средний множитель не зависит от nn. Последний выражает вероятность того, что все остальные части пусты, и стремится к e−λe^{-\lambda}: это следует из предела сложных процентов (1+r/n)n→er(1 + r/n)^n \to e^r при r=−λr = -\lambda, поскольку оставшийся множитель (1−λ/n)−k(1 - \lambda/n)^{-k} стремится к 1. Произведение трёх пределов даёт формулу Пуассона. При фиксированном λ\lambda и достаточно большом nn максимальная по модулю разность вероятностей убывает приблизительно как 1/n1/n. Поэтому отношения в таблице приближаются к 2.

Среднее и дисперсия равны λ

При разбиении на nn частей среднее равно n⋅λ/n=λn\cdot\lambda/n = \lambda для любого nn, а дисперсия равна np(1−p)=λ(1−λ/n)np(1-p) = \lambda(1 - \lambda/n) и немного меньше λ\lambda. С ростом nn множитель 1−λ/n1 - \lambda/n стремится к 1. Поэтому дисперсия распределения Пуассона также равна λ\lambda, а стандартное отклонение равно λ\sqrt{\lambda}.

Форма распределения

Высота каждого пуассоновского столбца равна высоте предыдущего, умноженной на λ/(k+1)\lambda/(k+1): P(X=k+1)=P(X=k)⋅λ/(k+1)P(X = k+1) = P(X = k)\cdot\lambda/(k+1). Пока множитель больше 1, столбцы растут; когда он становится меньше 1, они убывают. Поэтому при λ<1\lambda < 1 наиболее вероятное число событий равно 0 и столбцы убывают с самого начала. В остальных случаях максимум достигается в ⌊λ⌋\lfloor \lambda \rfloor, а если λ\lambda — целое, числа λ−1\lambda - 1 и λ\lambda равновероятны. При увеличении λ\lambda распределение становится почти симметричным и колоколообразным, что объясняет центральная предельная теорема.

На что обратить внимание

  • λ не обязано быть целым: среднее 0.5 события на интервал вполне допустимо, как и среднее 3.
  • Среднее λ не означает, что обычно происходит ровно λ событий. При λ = 3 вероятность ровно трёх событий составляет лишь около 22%.
  • Модель предполагает, что события происходят по одному. Разбиение отражает это условие: в каждом подынтервале возможно не более одного события. Если события приходят группами, их общее число имеет другое распределение.

Управление

  • Щёлкните по столбцу или перетащите треугольник под столбцами, чтобы увидеть три множителя для выбранного числа событий.

Связанные темы