什么是泊松分布勤家?

先通過(guò)一個(gè)例子來(lái)了解什么是“泊松分布”腹尖。

已知某家小雜貨店,平均每周售出2個(gè)水果罐頭伐脖。請(qǐng)問(wèn)該店水果罐頭的最佳庫(kù)存量是多少热幔?
      假設(shè)不存在季節(jié)及其他因素,可以近似認(rèn)為讼庇,該問(wèn)題滿足一下三點(diǎn):
          (1)顧客購(gòu)買水果罐頭是小概率事件绎巨。
          (2)購(gòu)買水果罐頭的顧客是獨(dú)立的,不會(huì)互相影響蠕啄。
          (3)顧客購(gòu)買水果罐頭的概率是穩(wěn)定的场勤。

在統(tǒng)計(jì)學(xué)上只要某類事件滿足上面三個(gè)條件,它就服從“泊松分布”。
參考:http://www.ruanyifeng.com/blog/2013/01/poisson_distribution.html

正態(tài)分布是所有分布趨于極限大樣本的分布和媳,屬于連續(xù)分布格遭。
二項(xiàng)分布與泊松分布,則都是離散分布窗价。
二項(xiàng)分布的極限分布是泊松分布如庭。
泊松分布的極限分布是正態(tài)分布,即np=λ撼港,當(dāng)n很大時(shí)坪它,可以近似相等。當(dāng)n很大時(shí)(還沒(méi)達(dá)到連續(xù)的程度)帝牡,可以用泊松分布近似代替二項(xiàng)分布往毡;當(dāng)n再變大,幾乎可以看成連續(xù)時(shí)靶溜。
二項(xiàng)分布和泊松分布都可以用正態(tài)分布來(lái)代替开瞭!
參考:https://www.zhihu.com/question/21756860/answer/126950765

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市罩息,隨后出現(xiàn)的幾起案子嗤详,更是在濱河造成了極大的恐慌,老刑警劉巖瓷炮,帶你破解...
    沈念sama閱讀 219,270評(píng)論 6 508
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件葱色,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡娘香,警方通過(guò)查閱死者的電腦和手機(jī)苍狰,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,489評(píng)論 3 395
  • 文/潘曉璐 我一進(jìn)店門(mén),熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)烘绽,“玉大人淋昭,你說(shuō)我怎么就攤上這事“步樱” “怎么了翔忽?”我有些...
    開(kāi)封第一講書(shū)人閱讀 165,630評(píng)論 0 356
  • 文/不壞的土叔 我叫張陵,是天一觀的道長(zhǎng)盏檐。 經(jīng)常有香客問(wèn)我呀打,道長(zhǎng),這世上最難降的妖魔是什么糯笙? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 58,906評(píng)論 1 295
  • 正文 為了忘掉前任,我火速辦了婚禮撩银,結(jié)果婚禮上给涕,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好够庙,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,928評(píng)論 6 392
  • 文/花漫 我一把揭開(kāi)白布恭应。 她就那樣靜靜地躺著,像睡著了一般耘眨。 火紅的嫁衣襯著肌膚如雪昼榛。 梳的紋絲不亂的頭發(fā)上,一...
    開(kāi)封第一講書(shū)人閱讀 51,718評(píng)論 1 305
  • 那天剔难,我揣著相機(jī)與錄音胆屿,去河邊找鬼。 笑死偶宫,一個(gè)胖子當(dāng)著我的面吹牛非迹,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播纯趋,決...
    沈念sama閱讀 40,442評(píng)論 3 420
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼憎兽,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來(lái)了吵冒?” 一聲冷哼從身側(cè)響起纯命,我...
    開(kāi)封第一講書(shū)人閱讀 39,345評(píng)論 0 276
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎痹栖,沒(méi)想到半個(gè)月后亿汞,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,802評(píng)論 1 317
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡结耀,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,984評(píng)論 3 337
  • 正文 我和宋清朗相戀三年留夜,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片图甜。...
    茶點(diǎn)故事閱讀 40,117評(píng)論 1 351
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡碍粥,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出黑毅,到底是詐尸還是另有隱情嚼摩,我是刑警寧澤,帶...
    沈念sama閱讀 35,810評(píng)論 5 346
  • 正文 年R本政府宣布矿瘦,位于F島的核電站枕面,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏缚去。R本人自食惡果不足惜潮秘,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,462評(píng)論 3 331
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望易结。 院中可真熱鬧枕荞,春花似錦柜候、人聲如沸。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 32,011評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)。三九已至矗烛,卻和暖如春辅柴,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背瞭吃。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 33,139評(píng)論 1 272
  • 我被黑心中介騙來(lái)泰國(guó)打工碌嘀, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人虱而。 一個(gè)月前我還...
    沈念sama閱讀 48,377評(píng)論 3 373
  • 正文 我出身青樓筏餐,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國(guó)和親牡拇。 傳聞我的和親對(duì)象是個(gè)殘疾皇子魁瞪,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,060評(píng)論 2 355

推薦閱讀更多精彩內(nèi)容

  • 《R語(yǔ)言與統(tǒng)計(jì)分析》的讀書(shū)筆記 本書(shū)的重點(diǎn)內(nèi)容及感悟: 第三章 概率與分布 1、隨機(jī)抽樣 通過(guò)sample()來(lái)實(shí)...
    格式化_001閱讀 6,652評(píng)論 1 12
  • 知乎:泊松分布 (Poisson Distributions) 的推導(dǎo)&二項(xiàng)分布惠呼、泊松分布到底該如何近似計(jì)算导俘?阮一...
    matrices閱讀 4,277評(píng)論 0 0
  • 納尼,神馬是泊松分布剔蹋? 如果你提了這個(gè)問(wèn)題旅薄,還請(qǐng)重修概率論吧。 Poisson分布(法語(yǔ):loi de Poiss...
    kokomal閱讀 1,137評(píng)論 0 49
  • 0-1分布 0-1分布就是n=1情況下的二項(xiàng)分布泣崩。即只先進(jìn)行一次事件試驗(yàn)少梁,該事件發(fā)生的概率為p,不發(fā)生的概率為q=...
    宇小宸請(qǐng)加油閱讀 2,211評(píng)論 0 1
  • 窗外,陽(yáng)光燦爛矫付,廣州的雨季今天顯得特別人性凯沪。似乎特意眷顧生活在浮華的城市里忙碌了5天的人兒,周末需要休息买优,...
    鐘鐘z閱讀 260評(píng)論 0 1