Распределение Пуассона

Распределение Пуассона — это распределение вероятностей дискретной случайной величины, которое моделирует число событий, происходящих за фиксированный промежуток времени, при условии, что эти события происходят с известной средней интенсивностью и независимо друг от друга. Названо в честь французского математика Симеона Дени Пуассона, опубликовавшего его в 1837 году в работе «Исследования о вероятности судебных приговоров». Распределение Пуассона является частным случаем биномиального распределения при большом числе испытаний и малой вероятности успеха, что делает его ключевым инструментом в теории вероятностей и статистике для анализа редких событий.

Определение и математическая формулировка

Случайная величина \(X\) имеет распределение Пуассона с параметром \(\lambda\) (лямбда), если она принимает целые неотрицательные значения \(k = 0, 1, 2, \dots\) с вероятностью, задаваемой формулой:

\[ P(X = k) = \frac{\lambda^k e^{-\lambda}}{k!} \]

где:

• \(\lambda\) — положительное действительное число, равное среднему числу событий за интервал (математическое ожидание и дисперсия);
• \(e\) — основание натурального логарифма (приблизительно 2,71828);
• \(k!\) — факториал числа \(k\).

Основные числовые характеристики

• Математическое ожидание \(E[X] = \lambda\).
• Дисперсия \(D[X] = \lambda\).
• Среднеквадратическое отклонение \(\sigma = \sqrt{\lambda}\).
• Коэффициент асимметрии \(\gamma_1 = \frac{1}{\sqrt{\lambda}}\).
• Коэффициент эксцесса \(\gamma_2 = \frac{1}{\lambda}\).

Равенство математического ожидания и дисперсии является отличительной чертой распределения Пуассона. При малых \(\lambda\) распределение сильно асимметрично, а при увеличении \(\lambda\) (обычно \(\lambda > 10\)) оно приближается к нормальному распределению.

Условия применимости

Распределение Пуассона корректно описывает случайную величину, если выполняются следующие условия:

1. Стационарность — средняя интенсивность событий постоянна во времени (или в пространстве).
2. Ординарность — вероятность наступления двух и более событий за бесконечно малый промежуток времени пренебрежимо мала.
3. Отсутствие последействия — события происходят независимо друг от друга; наступление одного события не влияет на вероятность наступления последующих.

Эти условия соответствуют пуассоновскому потоку событий — простейшему потоку, широко используемому в теории массового обслуживания.

История

Распределение было впервые выведено Симеоном Дени Пуассоном в 1837 году в контексте анализа вероятности ошибок в судебных приговорах. Пуассон стремился обобщить закон больших чисел Якоба Бернулли и рассмотрел случай, когда вероятность успеха в каждом испытании мала, а число испытаний велико. Однако вплоть до начала XX века распределение оставалось малоизвестным.

Повторное открытие и популяризация распределения Пуассона связаны с работами польского математика и статистика Владислава Борткевича, который в 1898 году применил его для анализа числа самоубийств в прусской армии. В 1907 году английский математик Уильям Госсет (псевдоним «Стьюдент») использовал распределение Пуассона для анализа данных о дрожжевых клетках. В 1910-х годах русский математик Александр Ляпунов обосновал его связь с законом больших чисел.

Связь с другими распределениями

Биномиальное распределение

Распределение Пуассона является предельным случаем биномиального распределения \(B(n, p)\) при \(n \to \infty\) и \(p \to 0\) так, что \(np = \lambda\) остаётся постоянным. Это свойство известно как теорема Пуассона и позволяет заменять сложные биномиальные расчёты при большом \(n\) и малом \(p\) на более простые пуассоновские.

Экспоненциальное распределение

Если число событий за единицу времени распределено по Пуассону, то время между двумя последовательными событиями подчиняется экспоненциальному распределению с параметром \(\lambda\). Это свойство широко используется в теории надёжности и массового обслуживания.

Нормальное распределение

При \(\lambda > 10\) распределение Пуассона хорошо аппроксимируется нормальным распределением с параметрами \(\mu = \lambda\) и \(\sigma^2 = \lambda\). Для повышения точности аппроксимации применяется поправка на непрерывность.

Применение

Распределение Пуассона находит применение в самых разных областях, где требуется моделировать число редких или случайных событий.

Естественные науки

• Радиоактивный распад: число распадов атомов за фиксированный промежуток времени подчиняется распределению Пуассона. Это свойство используется для оценки активности радиоактивных источников.
• Биология и медицина: число мутаций в геноме, количество бактерий в пробе, число вызовов скорой помощи за час.
• Астрономия: число фотонов, регистрируемых детектором телескопа за единицу времени.

Техника и производство

• Теория надёжности: число отказов оборудования за период эксплуатации.
• Контроль качества: число дефектов на единицу продукции (например, царапин на поверхности стекла).
• Телекоммуникации: число пакетов данных, поступающих на сервер за секунду.

Социальные и экономические науки

• Страхование: число страховых случаев (аварий, пожаров) за год.
• Демография: число рождений или смертей в городе за день.
• Криминалистика: число преступлений определённого типа в районе за месяц.

Спорт и игры

• Спортивная статистика: число голов в футбольном матче, число очков в баскетболе (при условии независимости событий).
• Азартные игры: число выпадений «орла» при большом числе подбрасываний монеты.

Примеры расчёта

Пример 1. В среднем на автобусную остановку прибывает 3 автобуса в час. Найти вероятность того, что за час прибудет ровно 5 автобусов.

Решение: \(\lambda = 3\), \(k = 5\). \[ P(X = 5) = \frac{3^5 e^{-3}}{5!} = \frac{243 \cdot 0,0498}{120} \approx 0,1008 \] Вероятность составляет около 10,1%.

Пример 2. В тексте объёмом 1000 слов в среднем встречается 2 опечатки. Найти вероятность, что в тексте не будет ни одной опечатки.

Решение: \(\lambda = 2\), \(k = 0\). \[ P(X = 0) = \frac{2^0 e^{-2}}{0!} = e^{-2} \approx 0,1353 \] Вероятность составляет около 13,5%.

Модификации и обобщения

• Составное распределение Пуассона: параметр \(\lambda\) сам является случайной величиной. Используется в актуарной математике для моделирования совокупного ущерба.
• Отрицательное биномиальное распределение: обобщение распределения Пуассона, допускающее дисперсию, превышающую среднее (перерассеяние).
• Распределение Пуассона с нулевым завышением: модификация для данных, содержащих избыточное количество нулей (например, число осадков в засушливый период).

Интересные факты

• Распределение Пуассона описывает число попаданий пуль в мишень при стрельбе по площади, что было экспериментально подтверждено в 1898 году русским математиком Владимиром Андреевичем Стекловым.
• В 1946 году британский статистик Рональд Фишер показал, что распределение Пуассона является точным для числа бактерий в пробах при разведении.
• В русскоязычной литературе распределение Пуассона иногда называют «законом редких событий», хотя сам Пуассон не использовал этот термин.

Источники

• Пуассон С. Д. Исследования о вероятности судебных приговоров (1837).
• Гнеденко Б. В. Курс теории вероятностей. — М.: Наука, 1988.
• Вентцель Е. С. Теория вероятностей. — М.: Высшая школа, 1999.
• Фишер Р. Статистические методы для исследователей (1925).
• Борткевич В. Закон малых чисел (1898).