Распределение Пуассона
Функция вероятности
Функция распределения
Параметры
λ
∈
(
0
,
∞
)
{\displaystyle \lambda \in (0,\infty)}
Носитель
k
∈
{
0
,
1
,
2
,
…
}
{\displaystyle k \in \{0,1,2,\ldots\}}
Функция вероятности
e
−
λ
λ
k
k
!
{\displaystyle \frac{e^{-\lambda} \lambda^k}{k!}\!}
Функция распределения
Γ
(
k
+
1
,
λ
)
k
!
{\displaystyle \frac{\Gamma(k+1, \lambda)}{k!}\!}
Математическое ожидание
λ
{\displaystyle \lambda\,}
Медиана
N/A
Мода
⌊
λ
⌋
{\displaystyle \lfloor\lambda\rfloor}
Дисперсия
λ
{\displaystyle \lambda\,}
Коэффициент асимметрии
λ
−
1
/
2
{\displaystyle \lambda^{-1/2}\,}
Коэффициент эксцесса
λ
−
1
{\displaystyle \lambda^{-1}\,}
Информационная энтропия
λ
[
1
−
ln
(
λ
)
]
+
e
−
λ
∑
k
=
0
∞
λ
k
ln
(
k
!
)
k
!
{\displaystyle \lambda[1\!-\!\ln(\lambda)]\!+\!e^{-\lambda}\sum_{k=0}^\infty \frac{\lambda^k\ln(k!)}{k!}}
Производящая функция моментов
exp
(
λ
(
e
t
−
1
)
)
{\displaystyle \exp(\lambda (e^t-1))\,}
Характеристическая функция
exp
(
λ
(
e
i
t
−
1
)
)
{\displaystyle \exp(\lambda (e^{it}-1))\,}
Распределе́ние Пуассо́на моделирует случайную величину , равную числу событий , произошедших за фиксированное время, при условии, что данные события происходят с некоторой фиксированной средней интенсивностью и независимо друг от друга.
Определение [ ]
Выберем фиксированное число
λ
>
0
{\displaystyle \lambda > 0}
и определим дискретное распределение , задаваемое следующей функцией вероятности :
p
(
k
)
≡
P
(
Y
=
k
)
=
λ
k
k
!
e
−
λ
{\displaystyle p(k) \equiv \mathbb{P}(Y=k) = \frac{\lambda^k}{k!}\, e^{-\lambda}}
,
где
k
!
{\displaystyle k!}
обозначает факториал ,
e
=
2.718281828
…
{\displaystyle e = 2.718281828\ldots}
— основание натурального логарифма .
Тот факт, что случайная величина
Y
{\displaystyle Y}
имеет распределение Пуассона с параметром
λ
{\displaystyle \lambda}
, записывается:
Y
∼
P
(
λ
)
{\displaystyle Y \sim \mathrm{P}(\lambda)}
.
Замечание [ ]
Параметр
λ
{\displaystyle \lambda}
часто называется интенсивностью (см. Биномиальное приближение ).
Функция
p
(
k
)
{\displaystyle p(k)}
, введённая выше, действительно является функцией вероятности, что следует из разложения экспоненты в ряд Тейлора :
e
λ
=
∑
k
=
0
∞
λ
k
k
!
,
∀
λ
∈
R
{\displaystyle e^{\lambda} = \sum\limits_{k=0}^{\infty} \frac{\lambda^k}{k!},\; \forall \lambda \in \mathbb{R}}
,
откуда
∑
k
=
0
∞
p
(
k
)
=
1
{\displaystyle \sum\limits_{k=0}^{\infty} p(k) = 1}
.
Моменты [ ]
Производящая функция моментов распределения Пуассона имеет вид:
M
Y
(
t
)
=
e
λ
(
e
t
−
1
)
{\displaystyle M_Y(t) = e^{\lambda \left(e^t -1\right)}}
,
откуда
E
[
Y
]
=
λ
{\displaystyle \mathbb{E}[Y] = \lambda}
,
D
[
Y
]
=
λ
{\displaystyle \mathrm{D}[Y] = \lambda}
.
Свойства распределения Пуассона [ ]
Сумма пуассоновских случайных величин так же имеет распределение Пуассона. Пусть
Y
i
∼
P
(
λ
i
)
,
i
=
1
,
…
,
n
{\displaystyle Y_i \sim \mathrm{P}(\lambda_i),\; i=1,\ldots,n}
. Тогда
Y
=
∑
i
=
1
n
Y
i
∼
P
(
∑
i
=
1
n
λ
i
)
{\displaystyle Y = \sum\limits_{i=1}^n Y_i \sim \mathrm{P}\left(\sum\limits_{i=1}^n \lambda_i\right)}
.
Пусть
Y
i
∼
P
(
λ
i
)
,
i
=
1
,
2
{\displaystyle Y_i \sim \mathrm{P}(\lambda_i),\; i=1,2}
, и
Y
=
Y
1
+
Y
2
{\displaystyle Y = Y_1 + Y_2}
. Тогда условное распределение
Y
1
{\displaystyle Y_1}
при условии, что
Y
=
y
{\displaystyle Y=y}
, биномиально. Более точно:
Y
1
∣
Y
=
y
∼
B
i
n
(
y
,
λ
1
λ
1
+
λ
2
)
{\displaystyle Y_1\mid Y = y \sim \mathrm{Bin}\left(y, \frac{\lambda_1}{\lambda_1+\lambda_2}\right) }
.
См. также [ ]
ar:توزيع بواسون
bg:Разпределение на Поасон
cs:Poissonovo rozdělení
fa:توزیع پواسون
he:התפלגות פואסון
hu:Poisson-eloszlás
lt:Puasono skirstinys
nl:Poissonverdeling
no:Poissonfordeling
pl:Rozkład Poissona
simple:Poisson distribution
su:Sebaran Poisson
sv:Poissonfördelning
uk:Розподіл Пуассона