科技大学信息与电气工程学院"课程论文"题目：泊松分布及其应用研究专业：通信工程班级： 13级3班**：黄夏妮**： 1304040322 目录一、 摘要………………………………………………………………1二、 泊松分布的概念…………………………………………………2三、 计数过程为广义的泊松过程……………………………………4四、 泊松分布及泊松分布增量………………………………………5五、 泊松分布的特征…………………………………………………5六、 泊松分布的应用…………………………………………………6七、 基于MATLAB的泊松过程仿真……………………………………8八、 参考文献…………………………………………………………12. >.摘要作为一种常见的离散型随机变量的分布,泊松分布日益显示其重要性,成为概率论中最重要的几个分布之一服从泊松分布的随机变量是常见的,它常与时间单位的计数过程相联系在现实生活中应用更为广泛,如数学建模、管理科学、运筹学及自然科学、概率论等等。
并且在*些函数关系起着一种重要作用例如线性的、指数的、三角函数的等等同样, 在为观察现象构造确定性模型时, *些概率分布也经常出现泊松分布作为大量试验中稀有事件出现的频数的概率分布的数学模型, 它具有很多性质为此本文讲述了泊松分布的一些性质, 并讨论了这些性质在实际生活中的重要作用 >.二、泊松分布的概念：定义1 设随机变量的可能取值为且为常数则称*服从参数为λ的泊松分布,记作* ～ D(λ) 定义2 设ε是任意一个随机变量,称是ε的特征函数主要结论：定理1 如果* 是一个具有以λ为参数的泊松分布,则E( *) = λ且D ( *) =λ证明 设* 是一随机变量,假设存在,则称它为*的方差,记作D( *) ,即设*服从泊松分布D ( *) ,即有:则从而故定理2 设随机变量服从二项分布,其分布律为又设是常数,则证明 由得:显然,当k = 0 时,故当k ≥1 且k →∞时,有从而，故定理3 设是服从参数为λ的泊松分布的随机向量,则:证明 的特征函数为,故的特征函数为:对任意的t ,有。
于是从而对任意的点列,有但是是N (0 ,1) 分布的特征函数,由于分布函数列弱收敛于分布函数F( *)的充要条件是相应的特征函数列{Φn ( t) } 收敛于F( *) 的特征函数Φ( t)所以成立;又因为是可以任意选取的,这就意味着成立三、计数过程为广义的泊松过程1.计数过程设为一随机过程, 如果是取非负整数值的随机变量,且满足s < t时,,则称为计数过程将增量,它表示时间间隔出现的质点数"在出现k个质点〞,即是一随机事件,其概率记为总之,对*种随机事件的来到数都可以得到一个计数过程,而同一时刻只能至多发生一个来到的就是简单计数过程2.泊松过程计数过程称为强度为λ的泊松过程,如果满足条件:(1)在不相重叠的区间上的增量具有独立性;(2);(3)对于充分小的其中常数,称为过程的强度4)对于充分小的Δt亦即对于充分小的,在或2个以上质点的概率与出现一个质点的概率相对可以忽略不计了解泊松过程,就很容易去了解泊松分布的相关性质,其实泊松分布就是在泊松过程当中每单位的时间间隔出现质点数目的计数 >.四、泊松分布及泊松分布增量1.泊松分布产生的一般条件在自然界和人们的现实生活中,经常要遇到在随机时刻出现的*种事件,我们把在随机时刻相继出现的事件所形成的序列,叫做随机事件流。
假设事件流具有平稳性、无后效性、普通性,则称该事件流为泊松事件流(泊松流) 例如一放射性源放射出的α粒子数;*交换台收到的呼叫数;到*机场降落的飞机数;一个售货员接待的顾客数; 一台纺纱机的断头数;等这些事件都可以看作泊松流2.泊松分布及泊松分布增量的概率(1)泊松分布的概率:对泊松流,在任意时间间隔(0, t),事件出现的次数服从参数为λt的泊松分布,λ称为泊松流的强度设随机变量*所有可能取的值为0, 1, 2, ⋯,且概率分布为:其中是常数,则称*服从参数为λ的泊松分布,记作*～P (λ)2)泊过分布增量的概率:由上式易知增量的概率分布是参数=的泊松分布,且只与时间有关3.泊松分布的期望和方差：由泊松分布知特别地,令,由于假设N (0) = 0,故可推知泊松过程的均值函数和方差函数分别为：泊松过程的强度λ(常数)等于单位长时间间隔出现的质点数目的期望值即对泊松分布有:五、泊松分布的特征(1)泊松分布是一种描述和分析稀有事件的概率分布要观察到这类事件,样本含量n必须很大2) 是泊松分布所依赖的唯一参数值愈小,分布愈偏倚,随着的增大,分布趋于对称3)当= 20时分布泊松分布接近于正态分布;当= 50时,可以认为泊松分布呈正态分布。
在实际工作中,当≥20时就可以用正态分布来近似地处理泊松分布的问题六、泊松分布的应用1) 二项分布的泊松近似常常被应用于研究稀有事件,即每次试验中事件出现的概率p很小,而贝努里试验的次数n很大时,事件发生的概率例1 通过*路口的每辆汽车发生事故的概率为p = 0.0001 ,假设在*路段时间有1000 辆汽车通过此路口,试求在此时间发生事故次数*的概率分布和发生2次以上事故的概率分析 首先在*时间段发生事故是属于稀有事件,观察通过路口的1000辆汽车发生事故与否,可视为是n = 1000次伯努里试验,出现事故的概率为p = 0.0001 ,因此*是服从二项分布的,即由于n = 1000很大,且p = 0.0001很小,上面的式子计算工作量很大,则可以用:求近似.注意到,故有.2) 泊松分布可以计算大量试验中稀有事件出现频数的概率这里的频数指在一样条件下, 进展大量试验,在这大量试验中,稀有事件发生的次数例2 患色盲者占0.25 %,试求: ①为发现一例色盲者至少要检查25人的概率; ②为使发现色盲者的概率不小于0.9 ,至少要对多少人的辨色力进展检查"分析 设*表示恰好发现一例患色盲者所需要检查的人数,则。
解 设至少对n 个人的辨色能力进展检查,于是p{ *≤n}≥0.9从而:由,得.因此至少要检查920人 >.七、基于MATLAB的泊松过程仿真1、首先我们建立一个poisson函数，即poisson.m:function poisson(m)%This function can help us to simulate poisson processes.%If you give m a integer like 1 2 3 and so on ,then you will get%a figure to illustrate the m sample traces of the process.%rand('state',0); %复位伪随机序列发生器为0状态K=10; %设置计数值为10%m=6; %设置样本个数color=char('r+','b+','g+','m+','y+','c+'); %不同的轨道采用不同的颜色表示lambda=1; %设置到达速率为1for n=1:mu=rand(1,K); %产生服从均匀分布的序列T=zeros(1,K+1); %长生K+1维随机时间全零向量k=zeros(1,K+1); %产生K+1维随机变量全零向量for j=1:Kk(j+1)=j;T(j+1)=T(j)-log(u(j))/lambda; %计算到达时间endfor i=1:Kplot([T(i):0.001:T(i+1)],[k(i):k(i)],color(n,[1,2])); hold on;endend2、下面我们在命令窗口键入以下命令：clear；poisson(1);就可以得到一条样本轨道，如下所示：键入poisson(2)，得到的图如下：键入poisson(3),得到的图如下：键入poisson(4),仿真结果：键入poisson(5)，仿真结果：键入poisson1(6),仿真结果：八、参考文献[ 1 ]宗舒等. 概率论与数理统计教程[M ]. 高等教育.1983. 10.[ 2 ]复旦大学编. 概率论(第一册) . 概率论根底[M ]. 人民教育出版社. 1979.[ 3 ]王梓坤. 概率论根底及应用[M ]. 科学1976. 9.[ 4 ] 孝瑞, 邓集贤1 概率引论及数理统计应用[M] 1 : 高等教育, 19861. >。