理解泊松分布.pptVIP

理解泊松分布 泊松分析实例 泊松分布 （Poisson, Simeon-Denis）（1781—1840）法国数学家 定义：设随机变量X的分布率为： 则称X 服从参数为 λ 的泊松分布，记为： n=k-1 泊松分布是一种描述和分析稀有事件的概率分布，要观察这类事件n要足够大。 泊松分布所依赖的唯一参数λ，其值越小，分布越偏倚，随着λ的增大，分布越对称，当λ =20时，接近正态分布；当λ ≥ 50时可用正态分布近似处理 泊松分布问题。 泊松分布 实例1-水果罐头 已知某家小杂货店，平均每周售出2个水果罐头。请问该店水果罐头的最佳库存量是多少？ 假定不存在季节因素，可以近似认为，这个问题满足以下三个条件： （1）顾客购买水果罐头是小概率事件。 （2）购买水果罐头的顾客是独立的，不会互相影响。 （3）顾客购买水果罐头的概率是稳定的。 实例1-水果罐头 在统计学上，只要某类事件满足上面三个条件，它就服从“泊松分布”。泊松分布的公式如下： 各个参数的含义： 　　P：每周销售k个罐头的概率。 　　X：水果罐头的销售变量。 　　k：X的取值（0，1，2，3...）。 　　 λ：每周水果罐头的平均销售量，是一个常数，本例为2。 实例2-美国枪击案 去年12月，美国康涅狄格州发生校园枪击案，造成28人死亡 美国枪击案统计资料 资料显示，1982年至2012年，美国共发生62起（大规模）枪击案。其中，2012年发生了7起，是次数最多的一年。 美国枪击案的分布 去年有这么多枪击案，这是巧合，还是表明美国治安恶化了？ 试使用泊松分布（Poisson distribution），判断同一年发生7起枪击案是否巧合。 相似的泊松分布分析例子 根据公式，计算得到每周销量的分布： 从上表可见，如果存货4个罐头，95%的概率不会缺货（平均每19周发生一次）；如果存货5个罐头，98%的概率不会缺货（平均59周发生一次）。 美国枪击案的分布 假定美国枪击案满足“泊松分布”的三个条件： （1）枪击案是小概率事件。 （2）枪击案是独立的，不会互相影响。 （3）枪击案的发生概率是稳定的。 显然，第三个条件是关键。如果成立，就说明美国的治安没有恶化；如果不成立，就说明枪击案的发生概率不稳定，正在提高，美国治安恶化。 美国枪击案的分布 根据资料，1982--2012年枪击案的分布情况如下： 美国枪击案的分布 计算得到，平均每年发生2起枪击案，所以 λ = 2 上图中，蓝色的条形柱是实际的观察值，红色的虚线是理论的预期值。可以看到，观察值与期望值还是相当接近的 美国枪击案的分布 美国枪击案的分布 我们用卡方检验（chi-square test），检验观察值与期望值之间是否存在显著差异。 卡方统计量：x = Σ [ ( 观察值 - 期望值 ) ^ 2 / 期望值 ] 在理论分布 已知的条件下, npi是常量 实测频数 理论频数 美国枪击案的结论 计算得到，卡方统计量等于9.82。查表后得到，置信水平0.90、自由度7的卡方分布临界值为12.017。因此，卡方统计量小于临界值，这表明枪击案的观察值与期望值之间没有显著差异。所以，可以接受“发生枪击案的概率是稳定的”假设，也就是说，从统计学上无法得到美国治安正在恶化的结论。 但是，也必须看到，卡方统计量9.82离临界值很接近，p-value只有0.18。也就是说，对于美国治安没有恶化的结论，我们只有82%的把握，还有18%的可能是我们错了，美国治安实际上正在恶化。因此，这就需要看今后两年中，是否还有大量枪击案发生。如果确实发生了，泊松分布就不成立了。 * *