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