1、泊松分布
泊松分布是离散分布。
它估计一个事件在指定时间内可能发生的次数。如果一个人一天吃两次饭，他吃三次饭的可能性有多大?
它有两个参数：
lam-发生率或已知次数，例如 上述问题2。
size-返回数组的形状。
例如：
为发生次数2生成随机的1x10分布：
from numpy import randomx = random.poisson(lam=2, size=10)print(x)
2、泊松分布的可视化
例如： Result
from numpy import randomimport matplotlib.pyplot as pltimport seaborn as snssns.distplot(random.poisson(lam=2, size=1000), kde=False)plt.show()
3、正态分布和泊松分布的区别
正态分布是连续的，而泊松是离散的。
但我们可以看到，对于一个足够大的泊松分布，类似于二项分布，它会变得类似于具有一定std开发和均值的正态分布。
例如：
from numpy import randomimport matplotlib.pyplot as pltimport seaborn as snssns.distplot(random.normal(loc=50, scale=7, size=1000), hist=False, label='normal')sns.distplot(random.poisson(lam=50, size=1000), hist=False, label='poisson')plt.show()
Result
4、泊松分布和二项分布的区别
差异非常细微，因为二项式分布用于离散试验，而泊松分布用于连续试验。
但是对于非常大的n和接近零的p，二项式分布几乎与泊松分布相同，因此n * p几乎等于lam。
例如：
from numpy import randomimport matplotlib.pyplot as pltimport seaborn as snssns.distplot(random.binomial(n=1000, p=0.01, size=1000), hist=False, label='binomial')sns.distplot(random.poisson(lam=10, size=1000), hist=False, label='poisson')plt.show()
Result
