泊松分布是一种离散概率分布，常用于描述在固定时间或空间内随机事件发生的次数。以下是其核心要点

适用条件

• 事件独立发生
• 单位时间（或空间）内事件发生的平均速率 (\lambda) 恒定
• 事件在极短间隔内同时发生的概率可忽略

概率质量函数

若随机变量 (X) 服从参数为 (\lambda) 的泊松分布，记作 (X \sim \text{Poisson}(\lambda))，则： [ P(X = k) = \frac{e^{-\lambda} \lambda^k}{k!}, \quad k = 0, 1, 2, \dots ]

• (\lambda > 0)：单位时间（或空间）内事件发生的平均次数
• (k)：事件发生的次数
• (e \approx 2.71828)：自然常数

数字特征

• 期望（均值）：(E(X) = \lambda)
• 方差：(\text{Var}(X) = \lambda)
• 标准差：(\sqrt{\lambda})
• 偏度：(1/\sqrt{\lambda})（右偏，(\lambda) 增大时趋近对称）
• 矩生成函数：(M(t) = e^{\lambda(e^t - 1)})

重要性质

• 可加性：若 (X_1 \sim \text{Poisson}(\lambda_1))，(X_2 \sim \text{Poisson}(\lambda_2)) 且独立，则 (X_1 + X_2 \sim \text{Poisson}(\lambda_1 + \lambda_2))
• 二项分布近似：当 (n) 很大、(p) 很小且 (\lambda = np) 适中时，二项分布 (B(n, p)) 可用泊松分布近似（通常要求 (n \geq 20, p \leq 0.05)）
• 事件间隔服从指数分布：若单位时间内事件次数服从泊松分布，则事件间隔时间服从指数分布

应用场景

• 呼叫中心：每小时接到的电话数
• 交通流量：某路口每分钟通过的车辆数
• 质量控制：每平方米织物上的瑕疵点数
• 放射性衰变：每秒放射出的粒子数
• 生物统计：每升水中的细菌数

计算示例

已知某网站平均每分钟有 2 次访问（(\lambda = 2)），求下一分钟恰好有 3 次访问的概率： [ P(X = 3) = \frac{e^{-2} \cdot 2^3}{3!} = \frac{e^{-2} \cdot 8}{6} \approx 0.1804 ]

注意事项

• 泊松分布中 (\lambda) 必须已知或可估计
• 实际数据若方差远大于均值（过度离散），可考虑负二项分布等替代模型
• (\lambda) 较大时（如 (\lambda > 10)），泊松分布可近似为正态分布 (N(\lambda, \lambda))

如果需要进一步探讨具体应用、计算或假设检验,请提供更多细节！

标签： 泊松分布 离散概率分布