簡介：歡迎來到泊松分佈！
你好！今天我們要深入探討泊松分佈（Poisson Distribution）。雖然這個名字聽起來有點高深（它是以法國數學家西莫恩·德尼·泊松命名），但這個概念其實非常貼近我們的日常生活。
如果你已經學過二項分佈，你就會知道它是關於在固定次數的試驗中「成功與失敗」的次數。泊松分佈則略有不同：它能協助我們計算在固定的時間或空間區間內，特定事件發生次數的機率。
別擔心，如果公式一開始看起來讓你有些困惑，我們將會一步一步拆解，直到你成為箇中高手！
什麼是泊松分佈？
泊松分佈是一種離散型機率分佈。當我們想要統計某個特定「範圍」內事件發生的次數時，就會用到它——例如一小時內有多少輛車經過路口，或者一塊曲奇餅裡有多少粒巧克力豆。
現實生活中的例子
為了讓你更容易想像，請參考以下情況：
- 時間：晚上 9:00 至 10:00 之間醫院收到的緊急求助電話數量。
- 空間：教科書單一頁面上出現的打字錯誤數量。
- 體積：一毫升水中發現的細菌數量。
你知道嗎？在這些情況下，我們無法得知事件「沒發生」了多少次（例如，我們無法計算有多少人「沒有」打電話給醫院），我們只知道事件「發生了」多少次！
什麼時候可以使用泊松分佈？（條件）
要讓一個情況符合泊松分佈，必須滿足四個主要條件。你可以透過下方的清單來記憶：
- 獨立性（Independent）：一個事件的發生不會影響另一個事件發生的機率。（例如，一個人進入商店不會「導致」另一個人進入）。
- 單一性（Singly）：事件是逐一發生的。兩個事件不可能在同一瞬間同時發生。
- 恆定速率（Constant Rate）：平均發生率（\( \lambda \)）在整個區間內保持不變。
- 隨機性（Random）：事件發生的過程是不可預測的。
重點提示：如果題目提到事件是獨立地以恆定的平均速率發生，你的大腦應該立刻聯想到「泊松分佈！」
泊松分佈公式
如果隨機變數 \( X \) 服從泊松分佈，我們記作：
\( X \sim \text{Po}(\lambda) \)
符號 \( \lambda \) (lambda) 代表平均值（即該區間內事件發生的平均次數）。
機率計算
要計算事件剛好發生 \( x \) 次的機率，我們使用這個公式：
\( P(X = x) = \frac{e^{-\lambda} \lambda^x}{x!} \)
符號解析：
- \( e \)：一個數學常數，大約等於 2.718（你的計算機上有專門的按鍵！）。
- \( \lambda \)：平均速率（參數）。
- \( x \)：我們想要計算的成功次數（0, 1, 2, ...）。
- \( x! \)：「\( x \) 的階乘」（例如 \( 3! = 3 \times 2 \times 1 = 6 \)）。請記住 \( 0! = 1 \)。
快速複習：
如果 \( \lambda = 3 \)，而我們想求事件剛好發生 2 次的機率：
\( P(X = 2) = \frac{e^{-3} \times 3^2}{2!} = \frac{e^{-3} \times 9}{2} \approx 0.224 \)
平均值與變異數：一個特別的技巧！
泊松分佈最獨特的地方之一，就是它的平均值（Mean）和變異數（Variance）是完全相等的！
對於 \( X \sim \text{Po}(\lambda) \)：
- 平均值 \( E(X) = \lambda \)
- 變異數 \( \text{Var}(X) = \lambda \)
- 標準差 \( \sigma = \sqrt{\lambda} \)
這為什麼有用？ 如果考試題目給你變異數並問你分佈的情況，你立刻就會知道 \( \lambda \) 就等於該變異數。
調整區間
這是學生最容易出錯的地方，但只要你看出了規律，其實非常簡單。\( \lambda \) 的數值必須始終對應題目中提到的區間大小。
例子：
如果一家店平均每小時有 6 名顧客（\( \lambda = 6 \)），那麼 30 分鐘的平均數是多少？
由於 30 分鐘是半小時，你只需要將 lambda 除以 2：\( \lambda = 3 \)。
那 2 小時呢？
乘以 2：\( \lambda = 12 \)。
避免常見錯誤：開始計算前，務必先檢查題目中的時間範圍。如果題目給出的速率是「每日」，但問的是「一週」，你必須先將 \( \lambda \) 乘以 7！
泊松分佈的相加
如果你有兩個獨立的泊松變數，假設 \( X \sim \text{Po}(\lambda_1) \) 且 \( Y \sim \text{Po}(\lambda_2) \)，你可以將它們合併為一個泊松變數：
\( X + Y \sim \text{Po}(\lambda_1 + \lambda_2) \)
例子： 如果第 1 章的錯誤率是 2，而第 2 章的錯誤率是 3，那麼兩章合計的錯誤數就服從 \( \lambda = 5 \) 的泊松分佈。
二項分佈逼近泊松分佈
有時候，當二項分佈的規模太大時，使用泊松分佈計算會更容易。我們可以在以下條件下使用：
- \( n \) 很大（通常 \( n > 50 \)）
- \( p \) 很小（通常 \( p < 0.1 \)）
在這種情況下，我們使用 \( \lambda = np \)。
比喻： 試想你要計算一個有 100 萬人口的城市裡，有多少人會中彩券。試驗次數 \( n \) 非常巨大，但中獎機率 \( p \) 極小。這就是使用泊松逼近法的最佳時機！
總結檢查清單
在進行練習題之前，請記住這些「重點摘要」：
- 辨識：尋找「平均速率」和「固定區間」的字眼。
- 檢查條件：獨立性、單一性、隨機性、恆定速率。
- 參數：你唯一需要知道的就是 \( \lambda \)（平均值）。
- 對應區間：確保你的 \( \lambda \) 與題目中詢問的特定時間/空間區間相符。
- 特性：平均值 = 變異數 = \( \lambda \)。
- 至少/超過：記住 \( P(X \ge 1) = 1 - P(X = 0) \)。這可以節省大量時間！
你一定能做到！泊松分佈的核心就是「速率」。掌握區間的調整，剩下的就只是簡單的計算機操作而已。