.png){kind=icon}
研究技能
泊松分布详解：简单公式、示例及适用场景
本文详细介绍泊松分布的基本概念、计算公式及适用条件，通过工单数量等实例说明如何计算特定事件发生的概率。同时比较泊松分布与二项分布的区别，讲解均值、方差、过度离散及实际数据分析方法，并介绍常用计算工具和常见错误，帮助读者理解泊松分布在统计研究和实际问题中的应用。
泊松分布告诉你，在已知平均发生次数的情况下，在固定的时间或空间范围内，出现特定事件次数的可能性有多大。假设某个服务台平均每小时收到4张工单。泊松分布可以计算下一小时恰好收到6张工单的概率。下面，你将看到通俗易懂的解释、简单示例以及可以直接使用的表格。
用通俗的语言理解泊松分布公式
它是一种离散概率分布。“离散”仅仅意味着你统计的是整数，例如0、1、2或3张工单。你不可能收到2.5张工单。
该公式用于计算恰好发生 (k) 次事件的概率：
(P(X = k) = \frac{e^{-\lambda}\times\lambda^k}{k!})
符号 | 含义 |
k | 你要查询的事件发生次数，例如 6 张票 |
λ (lambda) | 时间范围内事件发生的平均次数。可以是小数，例如 2.5 |
e | 一个固定常数，约为 2.718 |
k! | “k 的阶乘”。例如，3! 等于 3 × 2 × 1，即 6 |
这里有两个重要事实。首先，均值和方差都等于 λ。方差用于表示这些计数的分散程度。其次，λ 始终对应一个特定的时间范围。如果你每小时收到4张工单，那么半小时的 λ 就是2。
什么时候可以使用泊松分布？
当以下四个条件都成立时，可以使用泊松分布：
你统计的是以整数表示的事件次数。
事件之间相互独立。一个事件不会改变下一个事件发生的概率。
平均发生率保持稳定。
不会有两个事件在完全相同的时刻发生。
科学家会使用它来统计培养皿中的细胞菌落数量等数据。如果你想查找使用这种方式处理计数数据的研究论文，可以从 文献检索 开始。
计算示例
示例1：恰好收到6张工单。 当 λ = 4 且 k = 6 时，结果约为0.1042，即概率为10.4%。
示例2：最多或至少收到一定数量的工单。 收到2张或更少工单的概率为0.2381。收到8张或更多工单的概率为0.0511。一张工单都没有的概率为0.0183。对于“至少”这类问题，用1减去较小计数对应的累积概率即可。
示例3：新的时间范围。 对于半小时，λ = 2。没有收到任何工单的概率为0.1353，因此至少收到一张工单的概率为0.8647。
下面是 λ = 2 时的泊松分布速查表：
k | 恰好 k 次 | k 次或更少 |
0 | 0.1353 | 0.1353 |
1 | 0.2707 | 0.4060 |
2 | 0.2707 | 0.6767 |
3 | 0.1804 | 0.8571 |
4 | 0.0902 | 0.9473 |
5 | 0.0361 | 0.9834 |
6 | 0.0120 | 0.9955 |
最有可能出现的组合计数是1和2。
泊松分布与二项分布
二项分布 由固定的试验次数（n）以及每次试验成功的概率（p）来定义。可以想象抛掷一枚硬币20次。出现的次数不会超过 n。
泊松分布的计数没有上限。你知道的是平均发生率，而不是试验次数。
当 n 较大且 p 较小时，泊松分布可以很好地近似二项分布。在这种情况下，λ 等于 n 乘以 p。常见的教科书规则认为，n 应为20或更大，而 p 应为0.05或更小。这条规则比较宽松。当 n = 20 且 p = 0.05 时，二项分布中零次事件的概率为0.3585，而泊松分布中的概率为0.3679。当 n = 1,000 且 p = 0.003 时，这两个数值分别为0.0496和0.0498，结果更加接近。
你的数据真的符合泊松分布吗？
比较计数数据的均值和方差。如果两者接近，泊松分布可能适用。如果方差大得多，则说明存在过度离散。这意味着计数数据的分散程度超出了模型的预期。
一个真实示例。 1898年，Ladislaus Bortkiewicz 统计了普鲁士军团中士兵因被马踢而死亡的情况。在人们通常引用的数据版本中，共有200个军团年。其中，109个没有死亡事件，65个发生了1起，22个发生了2起，3个发生了3起，1个发生了4起。均值为0.61，方差为0.611，两者几乎相同。该模型预测，约有108.7个军团年没有死亡事件，约有66.3个军团年发生1起死亡事件。这与实际情况非常接近。
一个虚构示例。 假设某服务台在工作日每小时收到10张工单，在周末每小时收到2张工单。假设每7个小时中有5个小时属于工作日。均值约为7.7，但方差约为20.8。单一泊松模型认为，一个小时内没有工单的概率为0.04%。而在这种混合情况下，这一概率为3.9%。一种平均发生率掩盖了两种不同的情况。
应对方法：
将数据划分为不同组，并分别对每组进行建模。
尝试使用负二项模型，该模型允许更大的分散程度。
当发生率取决于日期或季节等因素时，使用泊松回归。
当一项研究使用这些方法时，可以借助 论文摘要工具 快速浏览其研究方法。
等待时间与软件
事件之间的时间间隔服从指数分布。如果每小时收到4张工单，那么15分钟内没有工单的概率约为0.3679。
你不需要手动计算。以下是如何使用常见工具获得相同结果：
工具 | 恰好 6 次（λ = 4） | 6 次或更少 |
Excel 或 Google 表格 | POISSON.DIST(6, 4, FALSE) | POISSON.DIST(6, 4, TRUE) |
R | dpois(6, 4) | ppois(6, 4) |
Python SciPy | poisson.pmf(6, 4) | poisson.cdf(6, 4) |
常见错误
1. 将每天的平均值用于每小时的问题。
2. 认为 λ 是一个概率。它是平均计数，可以大于1。
3. 忘记事件必须相互独立。余震和病毒式传播的帖子往往会成群出现。
4. 将其用于身高或收入等测量数据。它只适用于计数。
结论
泊松分布可以将平均发生率转化为实际概率。在信任模型之前，请先比较均值和方差；如果数据的分散程度过大，就应更换模型。要分析你自己的数据，可以尝试使用数据分析工具。
常见问题解答
这里的均值和方差是多少？
两者都等于 λ。
λ 可以是小数吗？
可以。计数是整数，但平均值可以是2.5。
泊松分布与二项分布有什么区别？
二项分布具有固定的试验次数和上限。泊松分布则统计特定时间范围内发生的事件次数，没有上限。
如果我的方差远大于均值，该怎么办？
这属于过度离散。可以尝试对数据进行分组，或使用负二项模型。
Canyam 是什么？
Canyam 是一个可以搜索研究论文并阅读人工智能生成摘要的网站。