歡迎來到卜瓦松分佈 (Poisson Distribution)！
你好！今天我們將深入探討統計學中最實用的工具之一：卜瓦松分佈。雖然這個名字聽起來有點洋氣（它在法文中解作「魚」，讀音為 "pwa-son"），但它其實是一個非常友善且直接的計數工具。
在本章中，我們將學習如何預測在固定的時間或空間內，某個事件發生的次數。想像一下這類情況：你在一小時內收到多少封電郵，或者一塊餅乾裡有多少粒朱古力豆。如果剛開始覺得有點複雜，不用擔心；我們會把它拆解成小部分逐一擊破！
1. 我們何時可以使用卜瓦松分佈？(SB1)
卜瓦松分佈用於模擬隨機事件在固定區間（時間或空間）內發生的次數。然而，只有當事件滿足四個特定條件時，我們才能使用它。你可以用縮寫 "CRIS" 來記住這些條件：
C – Constant Rate (固定平均率)： 事件必須以固定的平均率發生（我們稱之為 \(\lambda\)，即希臘字母 "lambda"）。
R – Random (隨機)： 事件隨機發生，無法單獨預測。
I – Independent (獨立)： 一個事件的發生不會令另一個事件發生的可能性增加或減少。
S – Singly (單次發生)： 事件每次只發生一次，從不同時發生（沒有「同時發生」的情況）。
符號表示法
當我們想表達「隨機變數 \(X\) 服從平均值為 \(\lambda\) 的卜瓦松分佈」時，我們會這樣寫：
\(X \sim \text{Po}(\lambda)\)
快速例子
想像一條安靜的鄉村道路，平均每小時有 3 輛車經過。如果車輛到達是獨立且以固定平均率發生的，我們就可以說 \(X \sim \text{Po}(3)\)。
快速溫習： 要使用卜瓦松分佈，事件必須是獨立的 (Independent)、以固定平均率發生 (Constant rate)、單次發生 (Singly) 以及隨機的 (Random) —— 即 CRIS。
2. 卜瓦松公式 (SB2)
如果我們知道平均率 (\(\lambda\))，我們可以使用以下公式計算特定次數 (\(x\)) 發生的精確機率：
\[P(X = x) = \frac{e^{-\lambda} \lambda^x}{x!}\]
這些符號代表什麼？
- \(e\)：這是一個常數（約等於 2.718）。你的計算機有一個專門的按鍵！
- \(\lambda\)：給定區間內的平均事件次數。
- \(x\)：我們想要計算機率的目標成功次數（0, 1, 2...）。
- \(x!\)：\(x\) 的階乘（例如 \(4! = 4 \times 3 \times 2 \times 1\)）。
使用計算機
大多數現代科學計算機和圖形計算機都有 Poisson PD (機率密度) 和 Poisson CD (累積機率分佈) 功能。在考試中，使用這些功能通常比使用公式快得多！
你知道嗎？ 卜瓦松分佈最初是被用來模擬普魯士軍隊中，因馬匹踢傷而意外死亡的士兵人數！
重點總結： 若要計算精確的「等於」某個值的機率，請使用公式；若要節省考試時間，請使用計算機內的卜瓦松功能。
3. 平均值、變異數與標準差 (SB3)
這裡有一個好消息：在處理平均值和離散度時，卜瓦松分佈是最容易操作的分佈之一！
對於任何卜瓦松分佈 \(X \sim \text{Po}(\lambda)\)：
平均值 (Mean) \(E(X) = \lambda\)
變異數 (Variance) \(\text{Var}(X) = \lambda\)
由於變異數是 \(\lambda\)，因此標準差 (Standard Deviation) 僅僅是 \(\sqrt{\lambda}\)。
為什麼這很重要？
在考試中，如果題目說這是一個卜瓦松分佈且平均值為 5，你就自動知道變異數也是 5。如果題目給你的數據中平均值和變異數相差很大，這就是一個提示，暗示該分佈可能不是一個好的卜瓦松模型！
常見錯誤： 學生經常忘記將變異數開根號來求標準差。記住：\(\text{SD} = \sqrt{\text{Variance}}\)。
4. 將獨立的卜瓦松分佈相加 (SB4)
如果你同時觀察兩件不同的事情會怎樣？例如，你收到的電郵數量 (\(X\)) 和收到的短訊數量 (\(Y\))？
如果 \(X\) 和 \(Y\) 是獨立的卜瓦松變數：
如果 \(X \sim \text{Po}(\lambda)\) 且 \(Y \sim \text{Po}(\mu)\)，那麼：
\(X + Y \sim \text{Po}(\lambda + \mu)\)
簡單來說：你只需要把平均值加起來！
現實例子
如果你平均每小時收到 2 封電郵和 3 個短訊，那麼你每小時收到的總通知數就服從平均值為 \(2 + 3 = 5\) 的卜瓦松分佈。
重點總結： 若要組合獨立的卜瓦松事件，只需將它們的平均率（\(\lambda\) 值）相加即可。
5. 卜瓦松分佈的假設檢定 (SB5)
有時我們想知道平均率 (\(\lambda\)) 是否改變了。例如，新的道路安全宣傳活動是否真的減少了事故數量？
假設檢定步驟：
1. 列出假設 (Hypotheses)：
\(H_0: \lambda = \text{舊平均率}\)（沒有改變）
\(H_1: \lambda <, > \text{ 或 } \neq \text{舊平均率}\)（平均率已改變）
2. 假設 \(H_0\) 為真： 確定分佈 \(X \sim \text{Po}(\lambda)\)。
3. 計算機率： 計算觀測值或更極端情況發生的機率。
• 若測試減少：\(P(X \le \text{觀測值})\)
• 若測試增加：\(P(X \ge \text{觀測值})\)
4. 與顯著性水平比較： 如果你的機率小於顯著性水平（例如 0.05），則結果為顯著 (significant)。
5. 寫出結論： 「有足夠的證據顯示 [情境] 的平均率已經改變。」
「大於」測試的重要提示
當使用計算機或表格計算 \(P(X \ge k)\) 時，請記住：
\(P(X \ge k) = 1 - P(X \le k - 1)\)。
例如：發生 5 次或以上的機率等於 1 減去發生 4 次或以下的機率。
快速溫習： 假設檢定旨在檢查觀測結果是否「怪異到」足以暗示平均率確實已經改變。在最後的答案中，務必加入題目背景的相關內容！