Вероятность и статистика · объяснение и практика
Когда число событий описывают распределением Пуассона
Вычислите вероятность заданного числа событий в пуассоновской модели и проверьте, к какому интервалу относится параметр.

В теме Случайные величины и распределения · Учебная карта
Главная мысль
Для пуассоновской величины с параметром λ>0 вероятность k событий равна e⁻λ λᵏ/k! при k=0,1,2,… . Её ожидание и дисперсия равны λ.
Параметр считает ожидаемое число на выбранном участке
Пуассоновская модель описывает неотрицательный целочисленный счёт. Параметр λ — ожидаемое число событий на том интервале времени или области пространства, для которых задано распределение. Это не обязательно вероятность одного события и не обязательно интенсивность за единицу времени. Если известна постоянная интенсивность r, для длительности t в согласованных единицах используют λ=rt.
Фраза «события редкие» сама по себе не доказывает пуассоновскую модель. Для однородного пуассоновского процесса важны постоянство интенсивности и независимость приращений на непересекающихся интервалах; групповые всплески могут нарушить такую модель. В школьной задаче распределение часто задают прямо, а в наблюдениях его применимость нужно проверять отдельно.
Не забудьте нулевое значение и факториал
При k=0 формула даёт e⁻λ, потому что 0!=1 и λ⁰=1. Нулевой наблюдаемый счёт не означает нулевой параметр. Например, при λ=3 вероятность не увидеть событий равна e⁻³, примерно 0,0498. Вероятность ровно двух равна 9e⁻³/2, примерно 0,2240.
Если спрашивают хотя бы одно событие, удобнее дополнение: 1−e⁻λ. Для нескольких значений вероятности складывают, поскольку различные точные количества несовместны. Высота столбика здесь действительно является вероятностью отдельного целого значения; это отличается от плотности непрерывного распределения, где вероятность точки нулевая.
Пример
За получасовой интервал число отметок имеет пуассоновский параметр 2. Найдите вероятность ровно трёх отметок.
Подставляем k=3: e⁻²·2³/3!=4e⁻²/3. Параметр уже относится к получасу, поэтому дополнительно делить его пополам не нужно.
Среднее и разброс проверяют модель
У пуассоновской величины ожидание и дисперсия совпадают. Поэтому наблюдаемый сильный избыток разброса относительно среднего может быть поводом проверить неоднородность или зависимые группы событий. Конечная выборка не обязана иметь абсолютно равные эмпирические значения, но само модельное равенство важно для интерпретации.
Распределение допускает любое неотрицательное целое число, а не только значения до фиксированного числа попыток. Если число попыток ограничено и каждая имеет успех или неудачу, исходная модель может быть биномиальной. Пуассоновское приближение к ней требует отдельных условий и не превращает вероятности невозможных для конечного опыта больших значений в реальные исходы.
От чтения к действию
А теперь — вы
Частые вопросы
λ — вероятность события?
Нет. Это ожидаемое количество на заданном интервале; оно может превышать единицу. Вероятности вычисляются из распределения и лежат между нулём и единицей.
Почему нужно уточнять длительность?
При постоянной интенсивности ожидаемое количество пропорционально длительности. Параметр за час нельзя без перевода использовать для минуты.
Источники и работа с материалом
Объяснение, примеры и вопросы написаны для erudeet. Факты и определения сверены по источникам ниже; это ссылки для самостоятельной проверки.
Продолжить разбираться
Когда редкие биномиальные события приближённо считают по Пуассону
Приблизьте редкие независимые успехи с помощью λ=np и сравните результат с исходной биномиальной вероятностью, сохраняя пометку приближения.
Открыть темуЧто означает отсутствие памяти у экспоненциального ожидания
Рассчитайте дополнительное ожидание после уже прошедшего времени и объясните, почему экспоненциальная модель не «стареет».
Открыть тему