泊松分布：全面指南

在统计学和数据科学中，泊松分布是用于建模在固定区间内发生的离散事件的重要工具。该分布以法国数学家Siméon Denis Poisson命名，能帮助分析和预测罕见事件，因此对各个领域的数据从业者都很有价值。

如果您是统计学新手，我们的统计学入门课程将为您打下扎实基础。若您已准备好系统学习概率论，Python 概率基础课程将全面讲解概率概念，包括泊松分布。 

什么是泊松分布？

泊松分布是一种离散概率分布，表示在固定的时间或空间区间内发生给定次数事件的概率。它假设这些事件以已知的平均速率发生，且彼此独立，与上一次事件发生后的时间无关。要理解泊松分布，首先有必要了解离散分布与连续分布的区别。

泊松分布与连续分布对比。图片作者自制

离散分布

• 本质：离散分布描述结果可用整数计数的现象。其特征为概率质量函数（PMF），为每个可能的离散结果分配一个概率。
• 可视化：左图显示了泊松分布，其中每个点代表在固定区间内发生特定次数事件的概率。该分布非常适合建模计数数据，例如每小时接收的电子邮件数量。您也会注意到，泊松分布图中没有负值，这因为按定义泊松分布不可能出现负值。

一些离散概率分布的例子包括伯努利分布和二项分布。 

连续分布

• 本质：连续分布用于可在某一范围内取任意值（包括小数）的数据。它使用概率密度函数（PDF）来描述任意区间内结果出现的概率。
• 可视化：右图展示了正态分布。平滑的曲线表示围绕均值的取值密度，曲线下任意两点之间的面积给出落在该范围内的概率。这类分布适用于测量温度或体重等数量。

正态（高斯）分布是连续分布的典型示例。

泊松分布的性质

下面来看看泊松分布的一些重要特征。

固定区间内的事件

泊松分布的一个关键特征是能对固定区间内的事件进行建模。该区间可以是时间（例如每小时到店顾客数），也可以是空间（例如每平方米布料的缺陷数量）。模型假设：

1. 事件彼此独立发生。
2. 发生的平均速率（λ）在该区间内保持不变。
3. 两个事件不可能在完全相同的瞬间发生。

均值与方差

泊松分布最独特的性质之一是其均值（期望）等于方差。两者都由参数λ（lambda）表示，它代表区间内事件发生的平均次数。该性质很独特，有助于判断数据集是否服从泊松分布。从数学上，可表示为下式： 

这种相等关系意味着，随着期望事件数的增加，实际发生次数的波动也会增大。

偏度与形状

泊松分布的形状会随λ的取值而变化。下图直观展示了λ如何影响分布的偏度与对称性： 

不同 lambda 值下的泊松分布。图片作者自制

• 当 λ 较小（λ < 10）时，分布明显右偏。这意味着少量事件的出现更常见，而大量事件的出现更少。
• 随着 λ 增大（λ > 10），分布逐渐更对称，开始接近正态分布。这种对称性表明数据更均匀地围绕均值分布。

形状的变化会影响我们对概率的解读以及从泊松分布数据中进行推断的方式。例如，对称分布能简化许多类型的分析，如假设检验与置信区间估计，因为数据分布更可预测且更均衡。

泊松分布公式

来看一下泊松分布的公式。 

• 公式左侧（LHS）的P(X = k)表示在固定区间内恰好发生k次事件的概率。这里，X是事件的次数，k是我们关注的具体数值。换言之，LHS 告诉我们正在计算什么概率。

• 公式右侧（RHS）的分子e^-λλ^k包含两部分。λ^k表示在平均速率λ下发生k次事件的可能性；而 e^-λ 项反映事件的随机性，确保当事件次数偏离期望速率时，概率会相应降低。

• 公式右侧（RHS）的分母，k!用于调整x次事件可以发生的排列方式。阶乘记号计算可能的排列数量，确保概率反映出事件发生的先后顺序并不重要这一事实。

如果您想真正自信地使用 Python 进行机器学习，可以从我们的Python 机器学习科学家职业路径开始，用真实数据集练习高级技术。