POSSION分布
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
k10 k!
e55k 0.068 k9 k!
于是得 m+1=10, m=9件
这一讲，我们介绍了泊松分布 n重贝努里试验中稀有事件出现的次数近 似地服从泊松分布.
我们给出了泊松分布产生的一般条件
泊松分布在管理科学、运筹学以及自然 科学的某些问题中都占有重要的地位 .
让我们回忆一下上一讲介绍的泊松定理：
设
是一个正整数，pn
n
，则有
lnimCnk
pnk (1
pn)nk e
k ,
k!
k0,1,2,,
等式右端给出的概率分布，是又一种重要 的离散型分布： 泊松分布
一、泊松分布的定义及图形特点
设随机变量X所有可能取的值为0 , 1 , 2 , … , 且概率分布为：
P( X k) e k , k0,1,2,,
在实际中，许多随机现象服从或近 似服从泊松分布.
我们把在每次试验中出现概率很小的事 件称作稀有事件. 如地震、火山爆发、特大洪水、意外事故等等
由泊松定理，n重贝努里试验中稀有事件 出现的次数近似地服从泊松分布.
请看演示 “二项分布与泊松分布”
三、泊松分布产生的一般条件 在自然界和人们的现实生活中,经常要遇 到在随机时刻出现的某种事件.我们把在随机 时刻相继出现的事件所形成的序列,叫做随机 事件流. 若事件流具有平稳性、无后效性、普通性， 则称该事件流为泊松事件流（泊松流）.
下面简要解释平稳性、无后效性、普通性.
平稳性:
在任意时间区间内，事件发生k次(k≥0)的 概率只依赖于区间长度而与区间端点无关.
无后效性: 在不相重叠的时间段内，事件的发生是相 互独立的. 普通性:
如果时间区间充分小，事件出现两次或 两次以上的概率可忽略不计.
例如
一放射性源放射出的 粒子数；
某电话交换台收到的电话呼叫数； 到某机场降落的飞机数; 一个售货员接待的顾客数; 一台纺纱机的断头数; … 都可以看作泊松流.
解: 设该商品每月的销售数为X,
已知X服从参数λ=5的泊松分布.
设商店在月底应进某种商品m件, 求满足 P(X≤m)>0.95 的最小的m .
销售数
进货数
求满足 P(X≤m)>0.95 的最小的m.
也即 P(X>m) ≤ 0.05
或 e55k 0.05
km1 k!
查泊松分布表得
e55k 0.032,
对泊松流，在任意时间间隔(0,t)内,事件
(如交通事故)出现的次数服从参数为 λ t 的 泊松分布 . λ 称为泊松流的强度.
例1 一家商店采用科学管理，由该商店过去 的销售记录知道，某种商品每月的销售数可
以用参数λ=5的泊松分布来描述，为了以
95%以上的把握保证不脱销，问商店在月底 至少应进某种商品多少件？
k!
其中 λ >0 是常数,则称 X 服从参数为λ 的 泊松分布,记作X~P(λ ).
泊松分布的图形特点：X~P(λ )
请看演示 泊松分布
二、二项分布与泊松分布
历史上，泊松分布是作为二项分布的近 似，于1837年由法国数学家泊松引入的 .
近数十年来，泊松分布日益显示 其重要性,成为概率论中最重要的几 个分布之一.
e55k 0.068 k9 k!
于是得 m+1=10, m=9件
这一讲，我们介绍了泊松分布 n重贝努里试验中稀有事件出现的次数近 似地服从泊松分布.
我们给出了泊松分布产生的一般条件
泊松分布在管理科学、运筹学以及自然 科学的某些问题中都占有重要的地位 .
让我们回忆一下上一讲介绍的泊松定理：
设
是一个正整数，pn
n
，则有
lnimCnk
pnk (1
pn)nk e
k ,
k!
k0,1,2,,
等式右端给出的概率分布，是又一种重要 的离散型分布： 泊松分布
一、泊松分布的定义及图形特点
设随机变量X所有可能取的值为0 , 1 , 2 , … , 且概率分布为：
P( X k) e k , k0,1,2,,
在实际中，许多随机现象服从或近 似服从泊松分布.
我们把在每次试验中出现概率很小的事 件称作稀有事件. 如地震、火山爆发、特大洪水、意外事故等等
由泊松定理，n重贝努里试验中稀有事件 出现的次数近似地服从泊松分布.
请看演示 “二项分布与泊松分布”
三、泊松分布产生的一般条件 在自然界和人们的现实生活中,经常要遇 到在随机时刻出现的某种事件.我们把在随机 时刻相继出现的事件所形成的序列,叫做随机 事件流. 若事件流具有平稳性、无后效性、普通性， 则称该事件流为泊松事件流（泊松流）.
下面简要解释平稳性、无后效性、普通性.
平稳性:
在任意时间区间内，事件发生k次(k≥0)的 概率只依赖于区间长度而与区间端点无关.
无后效性: 在不相重叠的时间段内，事件的发生是相 互独立的. 普通性:
如果时间区间充分小，事件出现两次或 两次以上的概率可忽略不计.
例如
一放射性源放射出的 粒子数；
某电话交换台收到的电话呼叫数； 到某机场降落的飞机数; 一个售货员接待的顾客数; 一台纺纱机的断头数; … 都可以看作泊松流.
解: 设该商品每月的销售数为X,
已知X服从参数λ=5的泊松分布.
设商店在月底应进某种商品m件, 求满足 P(X≤m)>0.95 的最小的m .
销售数
进货数
求满足 P(X≤m)>0.95 的最小的m.
也即 P(X>m) ≤ 0.05
或 e55k 0.05
km1 k!
查泊松分布表得
e55k 0.032,
对泊松流，在任意时间间隔(0,t)内,事件
(如交通事故)出现的次数服从参数为 λ t 的 泊松分布 . λ 称为泊松流的强度.
例1 一家商店采用科学管理，由该商店过去 的销售记录知道，某种商品每月的销售数可
以用参数λ=5的泊松分布来描述，为了以
95%以上的把握保证不脱销，问商店在月底 至少应进某种商品多少件？
k!
其中 λ >0 是常数,则称 X 服从参数为λ 的 泊松分布,记作X~P(λ ).
泊松分布的图形特点：X~P(λ )
请看演示 泊松分布
二、二项分布与泊松分布
历史上，泊松分布是作为二项分布的近 似，于1837年由法国数学家泊松引入的 .
近数十年来，泊松分布日益显示 其重要性,成为概率论中最重要的几 个分布之一.