1、泊松分布
泊松分布是离散分布。
它估计一个事件在指定时间内可能发生的次数。如果一个人一天吃两次饭,他吃三次饭的可能性有多大?
它有两个参数:
lam
-发生率或已知次数,例如 上述问题2。
size
-返回数组的形状。
例如:
为发生次数2生成随机的1x10分布:
from numpy import random x = random.poisson(lam=2, size=10) print(x)
2、泊松分布的可视化
例如: Result
from numpy import random import matplotlib.pyplot as plt import seaborn as sns sns.distplot(random.poisson(lam=2, size=1000), kde=False) plt.show()
3、正态分布和泊松分布的区别
正态分布是连续的,而泊松是离散的。
但我们可以看到,对于一个足够大的泊松分布,类似于二项分布,它会变得类似于具有一定std开发和均值的正态分布。
例如:
from numpy import random import matplotlib.pyplot as plt import seaborn as sns sns.distplot(random.normal(loc=50, scale=7, size=1000), hist=False, label='normal') sns.distplot(random.poisson(lam=50, size=1000), hist=False, label='poisson') plt.show()
Result
4、泊松分布和二项分布的区别
差异非常细微,因为二项式分布用于离散试验,而泊松分布用于连续试验。
但是对于非常大的n
和接近零的p
,二项式分布几乎与泊松分布相同,因此n * p
几乎等于lam
。
例如:
from numpy import random import matplotlib.pyplot as plt import seaborn as sns sns.distplot(random.binomial(n=1000, p=0.01, size=1000), hist=False, label='binomial') sns.distplot(random.poisson(lam=10, size=1000), hist=False, label='poisson') plt.show()
Result