学习指南

泊松分布

CIE A-Level 数学· 9709 Unit 4 概率与统计学 1/2· 45 分钟阅读

1. 核心定义与有效使用条件★★☆☆☆⏱ 10 min

📘 定义

泊松分布

X Po(λ)X ~ Po(λ)

一种离散概率分布，用于对在固定时间、空间或体积区间内以恒定平均速率发生的独立事件的数量进行建模

例:

商店每小时到店的顾客数量，平均每小时到店4人

只有同时满足以下全部4个条件时，场景才能使用泊松分布建模：事件之间完全独立、事件无法同时发生、事件的平均速率在整个区间内保持恒定、在极小子区间内发生超过1个事件的概率可忽略不计。

📐 例题

判断以下每个场景是否可以使用泊松分布建模：1）抛掷20次独立骰子得到6点的次数，2）在维护一致的高速公路路网中，每1公里路段的坑洞数量。

  1. 1

    评估场景1：该场景统计固定次数独立试验中的成功次数，属于二项分布而非泊松分布，不存在具有恒定事件速率的时间/空间区间。

  2. 2

    评估场景2：坑洞独立发生、每次仅出现一个、每公里平均速率恒定，完全满足泊松分布的全部4个条件。

✓ 快速检测

确认你对泊松分布适用条件的理解

  1. 以下哪个场景不适合使用泊松模型？

    • 每天收到的邮件数量

    • 足球比赛中的进球数

    • 抛掷100次硬币得到正面的次数

    • 教科书每页的错别字数量

    显示答案
    抛掷100次硬币得到正面的次数 —

    这是固定试验次数的二项分布场景，不属于区间内的事件计数。

2. 泊松概率公式与基础计算★★★☆☆⏱ 12 min

P(X=r)=e−λλrr!for r=0,1,2,3,...P(X = r) = \frac{e^{-\lambda} \lambda^r}{r!} \quad \text{for } r = 0, 1, 2, 3, ...

泊松分布的一个独有性质是其均值（期望值）完全等于方差，二者都等于速率参数λ。这是CIE考题中经常考察的知识点。

📐 例题

已知X ~ Po(2.5)，计算P(X = 3)，结果保留3位有效数字。

  1. 1

    识别参数：λ = 2.5，r = 3

  2. 2
    P(X=3)=e−2.5×(2.5)33!P(X=3) = \frac{e^{-2.5} \times (2.5)^3}{3!}
  3. 3

    计算中间值：e^{-2.5} ≈ 0.082085，2.5^3 = 15.625，3! = 6

  4. 4
    P(X=3)=0.082085×15.6256≈0.214P(X=3) = \frac{0.082085 \times 15.625}{6} ≈ 0.214

3. 泊松累积概率表的使用★★★☆☆⏱ 10 min

CIE在考试公式手册中提供官方泊松累积概率表，给出常用λ值对应的P(X ≤ x)预计算结果，无需对大r值重复使用公式计算。

📐 例题

若X ~ Po(3.2)，使用泊松累积表求P(1 < X ≤ 4)。

  1. 1

    改写不等式以匹配累积表格式：P(1 < X ≤ 4) = P(X ≤ 4) - P(X ≤ 1)

  2. 2

    在累积表中查找λ = 3.2：P(X ≤ 4) = 0.7806，P(X ≤ 1) = 0.1712

  3. 3

    将两个值相减得到最终结果：0.7806 - 0.1712 = 0.609

4. 二项分布的泊松近似★★★★☆S1 / S2 专属⏱ 13 min

🔬 推导
目标:

证明在特定条件下Bin(n,p)可以用Po(np)近似

起点:

二项分布概率公式：P(X=r) = \binom{n}{r} p^r (1-p)^{n-r}

  1. 1

    当n非常大（n ≥ 50）且p非常小（p < 0.1）时，令λ = np

  2. 2

    当n → ∞时，\binom{n}{r} ≈ \frac{n^r}{r!} 且 (1-p)^{n-r} ≈ e^{-np}

  3. 3

    代入这些近似即可推导出标准泊松概率公式

结果:

当n很大、p很小且λ = np < 10时，Bin(n,p) ≈ Po(np)

📐 例题

某工厂生产1000个元件，每个元件独立存在0.002的概率为次品。使用泊松近似求次品数大于等于3的概率。

  1. 1

    验证近似条件：n=1000 ≥ 50，p=0.002 < 0.1，因此λ = np = 2

  2. 2

    改写所求概率：P(X ≥ 3) = 1 - P(X ≤ 2)

  3. 3
    P(X≤2)=e−2(1+2+222!)=5e−2≈0.6767P(X ≤ 2) = e^{-2} \left( 1 + 2 + \frac{2^2}{2!} \right) = 5e^{-2} ≈ 0.6767
  4. 4

    最终结果：1 - 0.6767 ≈ 0.323

5. 常见陷阱

错误做法:

将P(X ≥ 2)计算为1 - P(X ≤ 2)

原因:

这是离散累积概率最常见的差一错误，会导致减去的项中包含P(X=2)，得到错误结果

正确做法:

显式改写所有不等式，确认你要减去的累积概率的上限：P(X ≥ k) = 1 - P(X ≤ k-1)

错误做法:

假设泊松分布的方差不等于其均值

原因:

学生经常混淆泊松分布和二项分布的性质，二项分布中方差=np(1-p) < 均值

正确做法:

牢记对于任意泊松随机变量X，E(X) = Var(X) = λ，这是泊松分布独有的识别性质

错误做法:

当p > 0.1或n < 20时，仍对二项分布使用泊松近似

原因:

超出有效参数范围后，近似的准确度会大幅下降，得到的结果与精确二项分布值偏差很大

正确做法:

仅当n ≥ 50且np < 10时使用泊松近似，否则使用精确二项分布公式

错误做法:

对事件可以成组发生的场景使用泊松模型

原因:

这违反了“事件单次发生”的条件，破坏了分布的核心假设

正确做法:

在为任意题目选择分布之前，验证泊松分布的全部4个条件

错误做法:

在中间计算步骤中将e^{-λ}舍入到2或3位小数

原因:

CIE评分标准会对因过早舍入导致答案与正确值偏差超过0.01的情况扣除1分精度分

正确做法:

所有中间值保留至少4位小数，最终答案保留3位有效数字

6. 速查表

场景

分布

均值

方差

恒定速率区间内的独立事件计数

Po(λ)

λ

λ

二项分布n大p小且np < 10

Po(np)

np

np

P(X ≤ k)

累积表直接查找

P(a ≤ X ≤ b)

P(X ≤ b) - P(X ≤ a-1)

真题中的出现

AI 根据考纲规律估算的考点位置,请对照官方真题核实准确性。仅作复习重点参考。

  • 2023 · 42

    二项分布的泊松近似

  • 2022 · 41

    缺陷数的累积概率

  • 2021 · 43

    泊松事件计数的合并计算

下一步

在掌握泊松分布的基础性质和计算方法后，你将可以把这些知识拓展到更多CIE 9709的进阶主题，包括独立泊松变量的和、大λ值下的正态近似以及基于泊松分布的假设检验。这是一个高分值考点，经常和通用概率规则结合考察，在第4卷中占比最高可达15%。掌握这里的核心解题流程将帮助你避免最常见的失分错误，让后续的统计建模主题学习更加直观。