请注明出处。 http://blog.csdn.net/Liu _ sn/article/details/79522008
序你能预测到去超市买方便面没有调料包的概率吗？
还是你能预测多久能坐上黄先生的歌会？
这些问题乍一看很奇怪，但都是现实计算的！
我在本科学习概率论快四年了。 我差点忘了自己学了这么强的东西。
基本公式用随机变量X X表示某个事件发生的次数，x ' role=' presentation ' style=' position 3360 relative； 遵循' XX泊松分布，则为：
p(x=k )=kk！ e，k=0，1，2 . p (x=k )= k k！ e，k=0，1，2 .
泊松分布的期望和方差都是，k=0、=1 k=0、=1时，p(x=0)=e1p ) x=0)=e1，这意味着不发生概率低的现象(即k=0)的概率
生活中很多事情都是概率很低的事件，比如鸟粪、兔子撞到树上、飞机失事等等。 这些低概率事件不再发生的概率都是37%，想想不就很不可思议了吗！ 我可以坐黄色的车吗？ () ) )。
你宿舍门口的这条路上经常有黄色的车经过。 每辆车停下来的概率是p=0.01 p=0.01。 (即使停下来，如果在此期间被人驾驶，也会被视为没有停下来。 在一次事件中，n=200 n=200辆黄色的车经过。 这个时间过去后，你要我下卧室坐黄色车的概率吗？
二元分布：小黄开车经过时是否停车可以视为一个二元分布问题。 即，进行n=200 n=200次实验。 因为n n很大，所以p ' role=' presentation ' style=' position 3360 relative； ' pp较小，可以用泊松分布近似处理该二元分布，如下所示。
p(x=0)=200！ E2=0.135P(x=0)=2 0 0！ e 2=0.135这表明我有86.5%的概率在这个时间后下楼会有黄色的车。 这个时间可以任意选择(假设在一天的任意时间内p=0.01 p=0.01和n=200 n=200不变) )。我下了楼有黄色车的概率是86.5%~(看来我的宿舍很好)
举个实际的例子吧。 我在一家公司实习了六个月，每天准时坐118路公交车。 在这六个月里，总共有两次车爆胎了。 巴士爆胎满足泊松分布。 因为：
1 .朋友圈是随机事件
2 .爆胎事件不相关，相互独立(默认)；
3 .公交车爆胎事件稳定。 即，一定期间内，一定会发生爆胎
那么，在接下来的六个月里，我有多少概率会遇到几次爆胎？
p(x=0)=200！ E2=0.14P(x=0)=2 0 0！ e 2=0.14
p(x=1)=211！ E2=0.27P(x=1)=2 1 1！ e 2=0.27
p(x=2)=222！ E2=0.27P(x=2)=2) 2！ e 2=0.27
在接下来的半年里，我至少遇到一次爆胎的概率是86%。 跋文
黄车箱是我虚构的，实际上是p p和n ' role=' presentation ' style=' position : relative； ' n ' role=' presentation ' style=' position 3360 relative；' nn足够大，可以用泊松分布近似二元分布来简化运算。