- 0篇:$ P\left ( 0, 5 \right )=\frac{e^{-5} 5^{0}}{0!} \approx 0.006737947 \approx 0.67\% $
- 1篇:$ P\left ( 1, 5 \right )=\frac{e^{-5} 5^{1}}{1!} \approx 0.03368973 \approx 3.37\% $
- 2篇:$ P\left ( 2, 5 \right )=\frac{e^{-5} 5^{2}}{2!} \approx 0.08422434 \approx 8.42\% $
- 3篇:$ P\left ( 3, 5 \right )=\frac{e^{-5} 5^{3}}{3!} \approx 0.1403739 \approx 14.04\% $
- 4篇:$ P\left ( 4, 5 \right )=\frac{e^{-5} 5^{4}}{4!} \approx 0.1754674 \approx 17.55\% $
上述計算方式參考Stat Trek上的文章《Poisson Distribution》
泊松分佈(Poisson Distribution)是泊松試驗(Poisson experiment)所得結果的機率分佈。所謂的泊松試驗,包含下面幾個特性:
- 試驗的結果只分成“成功”與“失敗”(successes or failures)
- 在一個特定的區間(可以是時間、也可以是空間),已知平均成功的數目(average number of successes, λ)
- 出現成功的機率正比於區間的大小
- 當區間非常小的時候,出現成功的機率是零
上面描述泊松分佈用到的符號的意義分別是:
- e:一個約莫是 2.718282 的常數,又稱歐拉數
- λ:特定區間內平均成功的數目
- x:特定區間內時間成功的數目
- P(x; λ):給定λ,出現正好x次成功時的分佈
在R語言裡面,可以輸入下面的公式,得到最上面的結果
> p <- function(x, l) {return( exp(-l) * l^x / factorial(x) )}
> p(0,5)
[1] 0.006737947
> p(1,5)
[1] 0.03368973
> p(2,5)
[1] 0.08422434
> p(3,5)
[1] 0.1403739
> p(4,5)
[1] 0.1754674
> p(0,5)+p(1,5)+p(2,5)+p(3,5)+p(4,5)
[1] 0.4404933
> p(5,5)
[1] 0.1754674
> p(7,5)
[1] 0.1044449
> p(10,5)
[1] 0.01813279
> p(10,5)
[1] 0.01813279
_EOF_
沒有留言:
張貼留言