泊松分布的期望是什么?
泊松分布的期望是λ。
λ表示总体均值，P(X=0)=e^(-λ)。
泊松分布是一个离散型随机变量分布，如果X~Po(λ)，则E(X)为给定区间内能够期望的事件发生次数，对于爆米花机来说，为在一周内能够期望的机器损坏次数，也就是说，E(X)是给定区间内的事件平均发生次数。因此泊松分布的期望和方差非常的简洁，因为它的期望和方差都等于λ。
泊松分布的形状随着λ的数值发生变化。λ小，则分布向右偏斜，随着λ变大，分布逐渐变的对称。如果λ是一个整数，则有2个众数，λ和λ-1，如果λ不是整数，则众数为λ。
泊松分布的应用：
固定时间由一天增加到一周，一周的平均点击则为7次，泊松分布的λ为7，要求转化数为10次的概率，泊松分布的概率质量函数的输入x为10，代入公式可以求出：可以得出该媒体每周广告的转化次数。
当二项分布的n很大而p很小时，泊松分布可作为二项分布的近似，其中λ为np。通常当n≧20，p≦0，05时，就可以用泊松公式近似得计算。
绛旓細娉婃澗鍒嗗竷鐨勬湡鏈涙槸位锛屛昏〃绀烘讳綋鍧囧硷紝P(X=0)=e^(-位)銆傚垎鏋愯繃绋嬪涓嬶細姹傝В娉婃澗鍒嗗竷鐨勬湡鏈涳細娉婃澗鍒嗗竷鐨勬鐜囧嚱鏁帮細瀵逛簬P(X=0)锛屽彲鐭=0锛屼唬鍏ヤ笂寮忔湁锛歅(X=0)=e^(-位锛夈傛硦鏉惧垎甯冨簲鐢ㄥ満鏅 鍦ㄥ疄闄呬簨渚嬩腑锛屽綋涓涓殢鏈轰簨浠讹紝渚嬪鏌愮數璇濅氦鎹㈠彴鏀跺埌鐨勫懠鍙佹潵鍒版煇鍏叡姹借溅绔欑殑涔樺銆佹煇鏀惧皠鎬х墿璐...
绛旓細娉婃澗鍒嗗竷鐨勬湡鏈涙槸位銆偽昏〃绀烘讳綋鍧囧硷紝P(X=0)=e^(-位)銆傛硦鏉惧垎甯冩槸涓涓鏁ｅ瀷闅忔満鍙橀噺鍒嗗竷锛屽鏋淴~Po(位)锛屽垯E(X)涓虹粰瀹氬尯闂村唴鑳藉鏈熸湜鐨勪簨浠跺彂鐢熸鏁帮紝瀵逛簬鐖嗙背鑺辨満鏉ヨ锛屼负鍦ㄤ竴鍛ㄥ唴鑳藉鏈熸湜鐨勬満鍣ㄦ崯鍧忔鏁帮紝涔熷氨鏄锛孍(X)鏄粰瀹氬尯闂村唴鐨勪簨浠跺钩鍧囧彂鐢熸鏁般傚洜姝ゆ硦鏉惧垎甯冪殑鏈熸湜鍜屾柟宸潪甯哥殑...
绛旓細鑰屾硦鏉惧垎甯冧负鏁板鏈熸湜涓 位锛屾墍浠ワ紝E(X)=2
绛旓細娉婃澗鍒嗗竷鐨勬湡鏈涘拰鏂瑰樊鍧囨槸位锛屛昏〃绀烘讳綋鍧囧锛汸(X=0)=e^(-位)銆傚垎鏋愯繃绋嬪涓嬶細姹傝В娉婃澗鍒嗗竷鐨勬湡鏈涜繃绋嬪涓嬶細姹傝В娉婃澗鍒嗗竷鐨勬柟宸繃绋嬪涓嬶細娉婃澗鍒嗗竷鐨勬鐜囧嚱鏁颁负锛氬浜嶱(X=0)锛屽彲鐭=0锛屼唬鍏ヤ笂寮忔湁锛歅(X=0)=e^(-位)銆
绛旓細娉婃澗鍒嗗竷鐨勬湡鏈涘拰鏂瑰樊鍧囨槸位锛屛昏〃绀烘讳綋鍧囧硷紱P(X=0)=e^(-位)銆俋锝濸(位) 鏈熸湜E(X)=位锛屾柟宸瓺(X)=位 銆傚埄鐢ㄦ硦鏉惧垎甯冨叕寮廝(x=k)=e^(-位)*位^k/k銆侾琛ㄧず姒傜巼锛寈琛ㄧず鏌愮鍑芥暟鍏崇郴锛宬琛ㄧず鏁伴噺锛岀瓑鍙风殑鍙宠竟锛屛 琛ㄧず浜嬩欢鐨勯鐜囥侾(位)銆傛湡鏈 E(X)=位銆傛柟宸瓺(X)=位銆傚埄鐢ㄦ硦鏉惧垎甯...
绛旓細涓銆娉婃澗鍒嗗竷鐨勬湡鏈锛歅(位)鏈熸湜 E(X)=位 鏂瑰樊D(X)=位 鍒╃敤娉婃澗鍒嗗竷鍏紡P(x=k)=e^(-位)*位^k/k!鍙煡P(X=0)=e^(-位)浜屻佽В娉婃澗鍒嗗竷鐨勬柟宸細鏂瑰樊D(X)=位 鍒╃敤娉婃澗鍒嗗竷鍏紡P(x=k)=e^(-位)*位^k/k!鍙煡P(X=0)=e^(-位)p(x>1)=1-p(x=0锛屾墍浠ョ洿鎺ュf(k)=e^(-位...
绛旓細X锝濸(位)鏈熸湜 E(X)=位 鏂瑰樊D(X)=位 鍒╃敤娉婃澗鍒嗗竷鍏紡P(x=k)=e^(-位)*位^k/k!鍙煡P(X=0)=e^(-位)
绛旓細娉婃澗鍒嗗竷鐨勬湡鏈涘拰鏂瑰樊鍧囨槸位锛屛昏〃绀烘讳綋鍧囧硷紱P(X=0)=e^(-位)銆傛硦鏉惧垎甯冿紝鏄竴绉嶇粺璁′笌姒傜巼瀛﹂噷甯歌鍒扮殑绂绘暎姒傜巼鍒嗗竷锛岀敱娉曞浗鏁板瀹惰タ鑾仼路寰峰凹路娉婃澗锛圫im茅on-Denis Poisson锛夊湪1838骞存椂鍙戣〃銆傛鐜囷紝浜︾О鈥滄垨鐒剁巼鈥濓紝瀹冩槸鍙嶆槧闅忔満浜嬩欢鍑虹幇鐨勫彲鑳芥э紙likelihood)澶у皬銆 闅忔満浜嬩欢鏄寚鍦ㄧ浉鍚屾潯浠朵笅...
绛旓細娉婃澗鍒嗗竷鐨勬湡鏈涘拰鏂瑰樊鍧囨槸位锛屛昏〃绀烘讳綋鍧囧硷紱P(X=0)=e^(-位)銆俋锝濸(位) 鏈熸湜E(X)=位锛屾柟宸瓺(X)=位 鍒╃敤娉婃澗鍒嗗竷鍏紡P(x=k)=e^(-位)*位^k/k!P琛ㄧず姒傜巼锛寈琛ㄧず鏌愮被鍑芥暟鍏崇郴锛宬琛ㄧず鏁伴噺锛岀瓑鍙风殑鍙宠竟锛屛 琛ㄧず浜嬩欢鐨勯鐜囥備緥棰橈細鏌愮數褰遍櫌鐨勭垎绫宠姳鏈烘绘槸鍧忥紝椤惧浠緢涓嶉珮鍏淬備笅...
绛旓細娉婃澗鍒嗗竷鐨勬湡鏈涘拰鏂瑰樊鍧囨槸位锛屛昏〃绀烘讳綋鍧囧硷紱P(X=0)=e^(-位)銆俋锝濸(位) 鏈熸湜E(X)=位锛屾柟宸瓺(X)=位 銆傚埄鐢ㄦ硦鏉惧垎甯冨叕寮廝(x=k)=e^(-位)*位^k/k!P琛ㄧず姒傜巼锛寈琛ㄧず鏌愮鍑芥暟鍏崇郴锛宬琛ㄧず鏁伴噺锛岀瓑鍙风殑鍙宠竟锛屛 琛ㄧず浜嬩欢鐨勯鐜囥侾(位)鏈熸湜 E(X)=位銆傛柟宸瓺(X)=位銆傚埄鐢ㄦ硦鏉惧垎甯冨叕寮...
