章节22：泊松过程 Lec. 22: The Poisson process
数学大学
章节22：泊松过程 Lec. 2
概率论——不确定性的科学 · 单元9：伯努利和泊松过程 Unit 9: Bernoulli and Poisson
按 空格/→ 演示下一步
全部页面点击任意一页，跳回舞台从这页播放
数学大学
章节22：泊松过程 Lec. 2
概率论——不确定性的科学 · 单元9：伯努利和泊松过程 Unit 9: Bernoulli and Poisson
Definition of the Poisso
泊松过程定义：独立平稳增量，且长度 τ 的区间内到达数服从参数 λτ 的泊松分布。
两条公理
增量独立平稳；小区间内恰一次到达概率约 λ·τ
推论
任意区间到达数 P(λτ)，与起点无关
Applications of the Pois
泊松过程的应用面：顾客到达、电话呼入、粒子衰变、事故发生等随机到达建模。
建模条件
大量独立小概率到达源的极限
常见场景
排队系统的到达流、网络包到达
A simple example
入门例题：给定 λ 与区间长，直接套泊松分布公式求概率。
套路
先把区间长与 λ 相乘得参数 λτ
易错点
区间单位与 λ 的单位必须一致
Time of the kth arrival
第 k 次到达时间服从埃尔朗分布：k 个独立指数间隔之和。
分布
Tₖ 密度为 λe^(−λt)(λt)^{k−1}/(k−1)!
期望方差
E[Tₖ]=k/λ，方差 k/λ²
Summary of results
本节结论汇总：定义、到达数分布、间隔分布、第 k 次到达时间一张表。
三个对象
到达数、相邻间隔、到达时刻互相推导
间隔分布
相邻到达间隔服从参数 λ 的指数分布
An example
综合例题：把到达数概率与到达时间期望在同一题中串联使用。
题型
先判区间再算概率，混合两种问法
检查习惯
单位换算与 λτ 量级先估算再精算
本节要点
- ✓定义：独立平稳增量 + 泊松到达数
- ✓第 k 次到达时间 = k 个指数间隔之和
- ✓间隔是指数分布，期望 1/λ
延伸主题：推导指数间隔与泊松计数等价做两道混合应用题
课后思考
先自己回答，再展开参考答案——能讲出来才算真懂。
1到达间隔服从指数分布与到达数服从泊松分布，为什么是一体两面？
参考答案「无记忆的到达率」既可从时间切面看（每段到达数泊松），也可从事件间距看（间隔指数）。指数的无记忆性与泊松的独立平稳增量互相推导，二者是同一过程的两种记账方式。
2泊松建模「大量独立小概率源」的直觉是什么？
参考答案每个源在小区间内到达概率极小且相互独立，全体到达数是大量近似伯努利的叠加，极限恰为泊松分布（稀有事件定律）。这解释了它为何在排队与可靠性中无处不在。
3λ 的单位怎么理解？
参考答案λ 是单位时间内的平均到达次数，量纲为「次/时间」。公式中的 λτ 先把时间长度换算成期望到达次数（无量纲），再进入泊松分布——单位不一致是最常见的计算错误来源。