完整定義
卜瓦松分佈是一種離散機率分佈,用於描述在固定時間或地點內,事件發生的次數。它假設事件是獨立且隨機發生的,且事件發生的平均速率是已知的。卜瓦松分佈廣泛應用於排隊理論、風險管理和生物統計學等領域。
白話說明
你有沒有算過,一小時內大概會來幾通電話、幾個請求?
你可以把 卜瓦松分佈 想成 固定時間內數事件發生幾次。
很適合看罕見事件或到達次數,固定時間內,數事件發生次數 這件事就特別重要。
記住這句
固定時間內,數事件發生次數
比喻:卜瓦松分佈就像在固定時間內「數豆子」-- 比如一小時內有多少通客服電話打進來,或者一平方公里內有多少棵樹,它幫我們預測這些稀有事件發生的次數。
容易混淆
卜瓦松分佈 vs 二項式分佈
二項式像擲硬幣,每次只有兩種結果,且次數固定;卜瓦松像數中樂透的次數,事件發生是隨機且稀有的,沒有固定總次數限制。
最關鍵的區別:一個看單位時間的次數,一個看固定試驗的成功次數。
卜瓦松分佈 vs 二項式分佈
卜瓦松看固定時間內來幾次,二項式看固定次數裡成功幾次
最關鍵的區別:一個數到達次數,一個數成功次數。
實際案例
案例 1:客服中心預估每小時來電數
案例 2:網站統計某分鐘的請求數波動
演算法與應用
核心意思就是:固定時間內,數事件發生次數。
常用在客服來電、請求數、事故數這種稀有事件
當事件平均發生率穩定、彼此近似獨立時最常用
情境判斷
Q2(判斷題): 事件很多而且很密集時,還適合嗎?
看情況,若事件不再稀有或獨立性不強,其他分佈可能更合適
常見問題
二項分佈描述的是在固定次數的獨立試驗中,成功的次數。 而卜瓦松分佈描述的是在固定時間或地點內,事件發生的次數。 當試驗次數很大,且每次試驗成功的機率很小時,二項分佈可以近似為卜瓦松分佈。
估計卜瓦松分佈的平均發生率 λ 最簡單的方法是計算樣本的平均值。 例如,如果我們在 10 個小時內觀察到事件發生了 50 次,那麼平均發生率 λ 的估計值就是 50/10 = 5。
卜瓦松分佈可以用於檢測異常事件。 例如,如果我們知道一個網站平均每小時收到 100 個請求,我們可以利用卜瓦松分佈來判斷某個小時收到 200 個請求是否異常。 如果這個機率非常小,那麼我們就可以認為這個事件是異常的。
出現在這些考古題
官方公告試題的逐題解析裡,這 2 題把卜瓦松分佈列為延伸術語。
相關術語
- 機率分佈Probability Distribution
- 異常偵測Anomaly Detection
- 中央極限定理Central Limit Theorem
- 時間序列分析Time Series Analysis
本頁內容有提到,或屬於同一組主題的術語
來源
這個術語目前沒有標註外部來源。
其他格式:Markdown 版本