1樓:空弦
如果硬要用Excel計算,而且是因為階乘的問題。對於Poisson,有如下遞迴性質:
而我們有 ,之後進行遞迴即可,而這個數值是Excel是可以實現的。當然,如果精度要求較高就沒法保證了。
2樓:信念如石
用Python計算:
import
math
from
scipy
import
stats
#呼叫函式直接計算p=
stats
.poisson
.pmf
(200
,300
("λ=300,k=200概率:",p
)kj=1
#k! k階乘
fori
inrange(1
,200+1
):kj*=i
("k=200的階乘:",kj
,"\n"
)powlmk
=300
**200
("λ=300的k=200次方:"
,powlmk,"
\n")elm
=math.e
**(-300
("e的-300次方:"
,elm,"
\n")pk
=powlmk/kj
*elm
("最終結果:",pk
)λ=300,k=200概率: 1.733874793103563e-10
k=200的階乘:
λ=300的k=200次方:
e的-300次方: 5.148200222412096e-131最終結果: 1.7338747931034605e-10
3樓:朱宇浩
用 N(300, 300) 正態分佈模擬泊松分布,然後求 [199.5, 200.5] 上的概率。
也就是 norm.cdf(-5.74) - norm.cdf(-5.80).
約等於0。
P.S. 泊松分布算下來應該是1.73387E-10.
泊松分布和正態分佈有什麼內在聯絡?
微塵 黃含馳 蟹蟹 山醒 有乙個小白看起來更輕鬆的版本 飛行code 實驗次數n足夠大時,泊松分布逼近於均值相同的二項分布。泊松分布的lambda引數,即均值,趨於無窮時,逼近同均值的正態分佈。實驗次數n足夠大時,二項分布均值和方差標準化後,收斂於標準正態分佈。詳細數學推導請看這篇文章 正太分布的數...
二項分布 泊松分布和正態分佈的區別及聯絡
Min.L 其他答主說了不少區別,我來說說聯絡。都屬於指數分布族,存在完備充分統計量。若正態分佈方差已知 於是三個分布都只有乙個未知引數 則樣本均值都是這三個分布的完備充分統計量,進而由Lehmann Scheffe 定理知,未知引數的任意函式的UMVUE 一致最小方差估計量 僅依賴於樣本均值。指數...
有人說泊松分布就是解決二項分布的計算複雜問題 當n達到一定值,且p較小使得計算中的部分可以忽略,達到簡化計算的目的。是這個意思嗎?
Allen Zhuo 那個年代1838年,你有計算機嗎?所以泊松分布是一大貢獻是簡化在特定情況下的二項分布計算。注意兩點 1,現在計算機時代,可以直接用二項分布計算,完全沒必要用泊松分布去模擬再計算。2,服從泊松分布就服從二項分布,服從二項分布不一定服從泊松分布,如排隊論等,用泊松分布更為好理解和直...