[repost ] 二项分布、指数分布与泊松分布的关系

original:http://my.oschina.net/u/347414/blog/129195 1、泊松分布 由法国数学家西莫恩·德尼·泊松(Siméon-Denis Poisson)在1838年时发表； 若X服从参数为的泊松分布，记为X~P()， 泊松分布的概率分布函数： 参数λ是单位时间(或单位面积)内随机事件的平均发生率。 统计学上，满足三个条件，即可用泊松分布 （1）小概率事件，两次以上事件发生概率趋于0；（2）事件发生的概率独立且互不影响；（3）发生概率时稳定的； Poisson分布主要用于描述在单位时间(空间)中稀有事件的发生数，例如： 1.放射性物质在单位时间内的放射次数； 2.在单位容积充分摇匀的水中的细菌数； 3.野外单位空间中的某种昆虫数等。 二、二项分布 记作ξ~B(n,p) 期望：Eξ=np 方差:Dξ=npq 三、二项分布和泊松分布的关系（泊松分布的来源（泊松小数定律） 在二项分布的n次伯努利试验中，如果试验次数n很大，二项分布的概率p很小，且乘积λ= n p比较适中，则事件出现的次数的概率可以用泊松分布来逼近。事实上，二项分布可以看作泊松分布在离散时间上的对应物。 回顾e的定义： 二项分布的定义： 如果令p=λ/n, p趋于无穷时的极限: 四、泊松分布与指数分布 泊松过程是一种重要的随机过程，适合于描述单位时间内随机事件发生的次数。泊松过程中，第k次随机事件与第k+1次随机事件出现的时间间隔服从指数分布。这是因为，第k次随机事件之后长度为t的时间段内，第k+1次随机事件出现的概率等于1减去这个时间段内没有随机事件出现的概率。而根据泊松过程的定义，长度为t的时间段内没有随机事件出现的概率等于 所以第k次随机事件之后长度为t的时间段内，第k+1次随机事件出现的概率等于，这是指数分布。这还表明了泊松过程的无记忆性。 五、最大似然估计 6、 指数分布比幂分布趋近0的速度慢很多,所以有一条很长的尾巴。指数分布很多时候被认为是长尾分布。互联网网页链接的出度入度符合指数分布。



via WordPress http://blog.newitfarmer.com/ai/math/13737/repost-%e4%ba%8c%e9%a1%b9%e5%88%86%e5%b8%83%e3%80%81%e6%8c%87%e6%95%b0%e5%88%86%e5%b8%83%e4%b8%8e%e6%b3%8a%e6%9d%be%e5%88%86%e5%b8%83%e7%9a%84%e5%85%b3%e7%b3%bb#utm_source=rss&utm_medium=rss&utm_campaign=repost-%25e4%25ba%258c%25e9%25a1%25b9%25e5%2588%2586%25e5%25b8%2583%25e3%2580%2581%25e6%258c%2587%25e6%2595%25b0%25e5%2588%2586%25e5%25b8%2583%25e4%25b8%258e%25e6%25b3%258a%25e6%259d%25be%25e5%2588%2586%25e5%25b8%2583%25e7%259a%2584%25e5%2585%25b3%25e7%25b3%25bb