813交通流参数的泊松分布.ppt

(二)Poisson分布的定义 如果在足够多的n次独立Bernouli试验中，随机变量X所有可能的取值为0，l，2，…，取各个取值的概率为： [例1] 若某非传染性疾病的患病率为18／万，试根据Poisson分布原理求1 000人中发生 k=0，1，2阳性数概率。 μ=nπ =1000 ×0.0018=1.8 (三)Poisson分布的图形 (四)Poisson分布的性质 1. Poisson分布的方差等于均数，即 σ2=μ。 2. Poisson分布的可加性。 对于服从Poisson分布的 m个相互独立的随机变量Xl，X2，…, Xm它们之和X1+X2+…+Xm也服从Poisson分布，且均数为m个随机变量的均数之和。 3、当λ≥20，Poisson分布近似正态分布。 [例2] 某放射性物质每0.1 s放射粒子数服从均数为2.2的Poisson分布，现随机取3次观测结果为2，3及4个粒子数，请问每0.3 s放射粒子数为多少? 利用Poisson分布的可加性原理得到， Xl+X2+X3=2+3+4=9个 均值为2.2+2.2+2.2=6.6 每0.3s放射粒子数为9个。 二项分布的泊松逼近 (六）Poisson分布的应用 一)总体均数的估计 点估计： 直接用单位时间(空间或人群)内随机事件发生数X(即样本均数)作为总体均数μ的估计值。 2. 区间估计 （1）正态近似法（X50） 当Poisson分布的观察单位为n=1时： [例]用计数器测得某放射物质半小时内发出的脉冲数为360个，试估计该放射物质每30min平均脉冲数的95％可信区间。 (2)查表法 如果X≤50时，样本资料呈Poisson分布，可查阅正态分布表。 二)单个总体均数的假设检验 1.直接计算概率法 根据Poisson分布的概率分布列计算概率或累积概率，并依据小概率事件原理，作出统计推断。 [例]某罕见非传染性疾病的患病率一般为15／10万，现在某地区调查1000人，发现阳性者2人，问此地区患病率是否高于一般。 解：H0：此地区患病率与一般患病率相等； H1：此地区患病率高于一般患病率； 单侧α=0.05 本例，n=1000，π0=15／10万，μ0=nπ0=0.15，则在Ho成立前提下，所调查的1000人中发现的阳性数X~P(0.15)，则有 P(x≥2)=1-[P(X=0)+P(X=1)]=1- (0.860 7+0.129 1)=0.010 2 故：1000人中阳性数不低于2人属于小概率事件。 2.正态近似法 当μ≥20，Poisson分布近似正态分布，可利用正态近似原理分析资料。 [例] 某种儿童化妆晶含细菌数不超过500个／ml为合格品，现检测此种儿童化妆晶1 ml菌数450个，问此种化妆品是否合格。 Ho：此种化妆品不合格，即μ=μ0 H1：此种化妆品合格，即μμ0 单侧 α =0.05 设1000 辆车通过, 出事故的次数为 X , 则 可利用泊松定理计算 所求概率为 解 [例]有一繁忙的汽车站， 每天有大量汽车通过，设每辆汽车在一天的某段时间内出事故的概率为0.0001，在每天的该段时间内有1000 辆汽车通过，问出事故的次数不小于2的概率是多少？ [例]在某段公路上，观测到达车辆数，以5min为计数间隔，结果如下表，试求5min内到达车辆数的分布并检验。 序号 来车数 观测频数 1 0 3 2 1 6 3 2 31 4 3 41 5 4 61 6 5 69 7 6 46 序号 来车数 观测频数 8 7 31 9 8 11 10 9 7 11 10 8 12 11 9 到达车辆数-到达频次 解：根据表中数据，可作出虚线散点图: 解：根据表中数据，可知： 接近1 ∴认为可以用泊松分布拟合此车流的到达流量分布。 [例]某交叉口信号周期长为90s，某相位的有效绿灯时间为45s，在有效绿灯时间内排队车辆以1200辆/h的流量通过交叉口。假设信号交叉口上游车辆到达率为400辆/h，服从泊松分布。求： （1）一个周期内到达车辆不超过10辆的概率； （2）求到达车辆不致两次排队的周期最大百分率。 [例]设有30辆车随意分布在6km长的道路上，试求其中任意500m长的一段，至少有4辆车的概率。 当二项分布中n很大，p很小时,二项分布就变成为Poisson分布，所以Poisson分布实际上是二项分布的极限分布。 * 离散分布用来描述在一定的时间间隔内到达的车辆数，或在一定的路段上分布的车辆数 由图可见，Poisson分布图形形状完全取决于μ的大小。 当μ=10时，图形基本对称，随着μ增大，图