数学建模 / 英语

泊松分布简介

jbstatistics · YouTube · 9:03

YouTube · jbstatistics原视频

选中时刻 · 1:20 · 章节点是时间参考，不表示实时播放进度。

视频中的要点

01泊松分布所刻画的对象
02泊松计数的适用条件
03泊松概率质量函数

来自学习笔记

P(X = x) = \frac{\lambda^x e^{-\lambda}}{x!}

泊松概率质量函数

选中时刻

泊松概率质量函数

建议预备知识

离散型随机变量
基础概率符号
阶乘
自然指数常数 e
以e为底的指数函数
基本概率记号 $P(X=x)$
概率质量函数
均值、方差与标准差的基本概念
二项分布
泊松分布
概率论中的基本极限论证

阅读与收藏

把讲解展开来看。

被收藏 0

已审核学习内容 · 视频分析 · 中文

阅读完整概览

这段时长为165秒的导论性讲座，首先说明泊松分布所建模的随机变量类型，随后给出其概率质量函数。视频先将泊松情境设定为：在固定的时间、距离、面积或体积单位内统计事件发生的次数，并以“每天发生的车祸数”和“每平方米内的蒲公英株数”为例。接着指出两个关键条件：一是事件相互独立；二是给定长度的时间内事件发生的概率不随时间变化——叙述者将其转述为“恒定的理论速率”。在此条件下，计数变量 X 被称为服从泊松分布。屏幕上呈现的主要公式为 $P(X = x) = \frac{\lambda^x e^{-\lambda}}{x!}$ ，并附注另一种记号 $p(x)$ 。片段还解释了常数 e ≈ 2.71828，用算例 5! = $5 \cdot 4 \cdot 3 \cdot 2 \cdot 1 = 120$ 图解阶乘项，并最终明确支撑集为 $x = 0$ , 1, 2, $\ldots$ ，强调计数值没有上界。这段 165 秒的视频通过泊松分布的概率质量函数引入该分布，指出其均值与方差均等于 $\lambda$ ，并以钚-239 的放射性衰变为例进行讲解。该例将每秒 2.3 次衰变的速率转换为 $\lambda=4.6$ （对应于 2 秒的时间区间），并计算 $P(X=3)=0.163$ ，并最终在该完整分布的条形图上标出该概率。本165秒片段讲解泊松分布的性质，该分布用于建模在2秒内发生的放射性衰变，其中 $\lambda=4.6$ ；首先说明直方图仅在视觉上截断于15，而实际支撑集无界；接着指出其均值与方差均等于 $\lambda$ ，并推导出标准差为 $\sqrt{4.6}$ 。讲述者描述了该分布的右偏态及其随 $\lambda$ 变化的情况。一个例题通过累加 $X=3$ ) by summing the four point probabilities for $X=0$ 、1、2,3)，得到0.326. The final section introduces the relationship between binomial 且 Poisson distributions, stating that as $n \to \infty$ , $p \to 0$ , 且 np stays constant, the binomial tends to a Poisson with $\lambda$ =np, 且 uses this to explain why plutonium decay counts are naturally modeled as Poisson. 这段时长为48秒的片段，结束了一节关于泊松分布的入门课程。它首先陈述了二项分布与泊松分布之间的经典极限关系：当 $n \to \infty$ 、 $p \to 0$ 且 $np$ 保持恒定时，二项分布趋近于参数为 $\lambda = np$ 的泊松模型。随后，主讲人利用该关系解释为何放射性衰变计数能被泊松分布很好地近似。在后半部分，视频转向实际解读，强调泊松分布通常是针对真实潜在现实的一种近似，而非精确描述；同时指出，判断某个随机变量是否能在合理程度上被泊松分布近似，可能十分困难。该片段以简短的频道标志画面结束。

在学习检查器中查看要点和时刻，或切换阅读标签查看完整笔记。

章节

0:00标题与主题介绍 0:08在固定单位内统计事件发生次数 0:37独立性与恒定速率假设 1:10X 服从泊松分布 1:20泊松概率质量函数 1:42对常数 e 的解释 1:58阶乘示例 5！2:15X 的取值范围：非负整数 2:45泊松概率质量函数及其基本性质 3:18钚-239示例的设定 4:21计算

P(X=3)

5:02可视化

λ=4.6

时的分布 5:30泊松随机变量的支撑集无界 5:50均值、方差与标准差 6:09右偏态及其对参数 lambda 的依赖性 6:27问题：衰变次数不超过3次的概率 6:48逐步计算累积概率

P(X \le 3)

7:23二项分布与泊松分布之间的关系 7:53在钚放射性衰变中的应用 8:15二项分布到泊松分布的关系 8:27泊松分布作为对现实的近似 9:00片尾标识

学习解说文稿

依据视频画面与讲解整理，并非逐字语音转写。

本片段以标题“泊松分布简介”开场，并指出该主题是一种离散型概率分布。

首个数学设定是一个计数实验：我们观察某一事件在固定单位（如时间、距离、面积或体积）内发生的次数。屏幕上给出的示例包括：一天内发生的交通事故次数，以及一平方米土地样方中蒲公英的数量。

此时视频强调了一个重要区别：计数是一个随机变量，但并非所有计数都自动服从泊松分布。泊松模型是否适用，取决于具体情境的结构。

接着，讲座陈述了本次介绍所依据的两条假设。第一，事件相互独立，即一个事件发生的时间不提供关于另一事件发生时间的任何信息；第二，在给定长度的时间段内，事件发生的概率不随时间变化；讲解者将此概括为“恒定的理论速率”。

这两条假设被宽泛地总结为：事件随机且独立地发生。下一张幻灯片将该设定转化为一个分布性断言：若上述假设成立，则 X（即在固定时间单位内发生的事件数）服从泊松分布。

随后展示核心公式： $P(X = x) = \frac{\lambda^x e^{-\lambda}}{x!}$ 。公式上方手写添加了 $p(x)$ ，以表明这是同一概率质量函数的另一种记法。

由于公式中含有 $e^{-\lambda}$ ，视频暂停以解释常数 e：e 是自然对数的底，约等于 2.71828，且为无理数，因此其小数展开既不终止也不循环。

分母 x! 通过一个具体的算术示例加以说明：5! = $5 \cdot 4 \cdot 3 \cdot 2 \cdot 1 = 120$ 。这展示了如何计算概率质量函数中出现的阶乘项。

最后，片段强调：一个概率模型只有在指明其取值范围后才算完整。由于 X 表示事件发生的次数，其允许取值为所有非负整数： $x = 0$ , 1, 2, $\ldots$ 。讲解者补充道，X 没有上界。

视频片段以黑板风格画面开场，标题为“泊松概率质量函数”，并显示公式 $P(X=x)=\frac{\lambda^x e^{-\lambda}}{x!}$ 及注释“适用于 $x=0,1,2,\ldots$ ”。黑板上的辅助提示给出 $e\approx 2.71828$ 和 $5!=5\cdot4\cdot3\cdot2\cdot1=120$ ，分别对应公式中的指数部分与阶乘部分。

讲解者随后陈述第一条总结性性质：泊松随机变量的均值为 $\lambda$ 。黑板上写作 $\mu=\lambda$ ，讲解者明确指出 $\mu$ 是随机变量 $X$ 的均值。

接着说明符号惯例：某些资料可能使用 $\mu$ 作为参数名，但本课统一采用 $\lambda$ 。数学要点在于：对泊松分布而言，参数与均值重合。

接下来引入方差并写作 $\sigma^2=\lambda$ 。屏幕上与讲解中均得出结论：泊松分布的均值与方差相等。

视频切换到一道关于钚的字面应用题——239。题目指出一纳克钚平均每秒发生 $2.3$ 次放射性衰变，且给定时间段内的衰变次数服从泊松分布。问题要求计算在 $3$ 秒内恰好发生 $2$ 次衰变的概率。

为求解该题，视频中将 $X$ 定义为在 $2$ 秒时间段内发生的衰变次数。由于 $\lambda$ 是所研究时间区间内事件发生的平均次数，因此需将每秒发生率按该区间长度进行缩放。

由此得到手写计算式 $\lambda=2.3\times 2=4.6$ 。因此， $X$ 被建模为参数为 $4.6$ 的泊松分布。

所求概率为 $P(X=3)$ 。将 $\lambda=4.6$ 和 $x=3$ 代入泊松概率质量函数（PMF），得到 $P(X=3)=\frac{4.6^3 e^{-4.6}}{3!}$ 。

对该表达式进行数值计算，并四舍五入保留三位小数，结果为 $0.163$ 。讲解者将此解释为：在随机选取的两秒时间段内，恰好发生三次放射性衰变的概率。

最后，视频以条形图形式绘制出 $\lambda=4.6$ 的完整分布，横轴标注为“衰变次数”，纵轴标注为“概率”。各条形覆盖的整数取值范围从 $0$ 到 $15$ 。

位于 $x=3$ 处的条形被高亮显示为红色，并标注为 $0.163$ ，直观地表明所计算出的概率即为该条形在整个泊松分布中对应的纵坐标高度。

视频片段以一个蓝色直方图开场，图上标注为“2秒内放射性衰变次数的分布（ $λ = 4.6$ ）”。横轴范围为0至15，但旁白随即说明这只是显示截断：随机变量 X 仍可取更大的值，因为泊松分布没有上界。

随后，在图上方添加白色手写公式。首先，讲述者写出均值： $\mu = \lambda = 4.6$ ；接着写出方差： $\sigma^2 = 4.6$ ，并强调：对该分布而言，方差等于与均值相同的速率参数；最后，标准差直接由方差得出，为 $\sigma = \sqrt{4.6}$ 。

在直方图仍可见的情况下，讲述者转向分布形状。他指出存在轻微右偏，并解释泊松分布的偏度取决于 $\lambda$ ：较大的 $\lambda$ 使分布接近对称，而接近零的值则导致更强的右偏。

底部问题变为：“放射性衰变次数不超过3次的概率是多少？（ $\lambda = 4.6$ ）”。与此同时，对应于0、1、2和3的直方图柱状条被重新着色为红色，直观地将事件 $X \le 3$ 定义为这四个相邻概率质量之和。

图表被替换为一张公式幻灯片，以符号方式完成该计算。推导从 $P(X \le 3) = P(X=0) + P(X=1) + P(X=2) + P(X=3)$ 开始，接着将泊松概率质量函数代入 $\lambda=4.6$ ，得到 $\frac{4.6^0 e^{-4.6}}{0!} + \frac{4.6^1 e^{-4.6}}{1!} + \frac{4.6^2 e^{-4.6}}{2!} + \frac{4.6^3 e^{-4.6}}{3!}$ 。四项分别四舍五入为 $0.010$ 、 $0.046$ 、 $0.106$ 和 $0.163$ ，其总和显示为 $0.326$ 。

例题完成后，讲述者指出：手动计算大量此类项十分繁琐，因此这类累积计算通常借助软件完成。

标题为“二项分布与泊松分布之间的关系”的文字幻灯片引出了关键的理论联系。它指出，当 $n \to \infty$ , $p \to 0$ , 且 $np$ stays constant, 且 that the Poisson distribution with $\lambda = np$ closely approximates the binomial when $n$ is large 且 $p$ is small.

视频片段最后将该原理应用于一个物理实例：即使一小块钚所含原子数量极大，而每个原子在2秒内发生衰变的概率却极小。因此，衰变计数本质上是一个二项计数，其试验次数 $n$ 极大、单次成功概率 $p$ 极小——这正是参数为 $\lambda = np$ 的泊松模型适用的情形。

该片段以标题为“二项分布与泊松分布之间的关系”的幻灯片开始。可见的数学表述为：当 $n \to \infty$ 、 $p \to 0$ 且 $np$ 的泊松分布可很好地近似二项分布，当 $\lambda = np$ 较大且 $n$ 较大且 $p$ 较小时。

基于这一关系，解说员指出，这正是放射性衰变次数能被泊松分布极好近似的根本原因。该例题是前述‘稀有事件极限情形’的直接应用。

随后幻灯片切换为更具阐释性的表述：“泊松分布通常被用作对真实潜在现实的一种近似。” 解说进一步展开此观点，将泊松模型类比为众多概率与统计模型——它们虽非精确刻画，却具有实用价值。

主讲人进一步阐明：在大多数实际应用中，我们早已知晓泊松分布并不能完全精确地拟合实际情况，但它仍可作为极为优良的近似工具。这凸显了模型的实用性与其字面意义上的绝对精确性之间的区别。

屏幕上出现第二条提示：“判断某个随机变量是否服从泊松分布可能十分困难。” 解说补充强调“在合理近似的意义下”，即在实践中，哪怕只是粗略识别出泊松行为，也可能并非易事。

本片段最后预告：相关例题及进一步讨论将在另一期视频中展开，随后出现简短的“JBstatistics”标识画面，无新增数学内容。

知识卡片

泊松分布所刻画的对象

本视频将泊松分布介绍为一种离散概率模型，用于描述在固定的时间、距离、面积或体积内事件发生的次数。例如：一天内发生的交通事故数，或一平方米土地上蒲公英的数量。一个计数型随机变量并不自动服从泊松分布；该模型仅在满足适当条件时才适用。

泊松计数的适用条件

在将分布赋予随机变量 X 之前，需满足两个假设：其一，事件必须相互独立，即某次事件发生的时间信息无法提供关于另一次事件的任何线索；其二，在给定长度的时间段内，事件发生的概率不随时间变化，叙述者将此称为恒定的理论发生率。在这些条件下，计数变量 X 服从泊松分布。

泊松概率质量函数

计数变量 X 取某一特定值 x 的概率由屏幕上显示的概率质量函数（PMF）给出。视频中还用 $p(x)$ 作为 $P(X = x)$ 的另一种记法。

P(X = x) = \frac{\lambda^x e^{-\lambda}}{x!}

公式中 e 的含义

公式中出现的常数 e（即 $e^{-\lambda}$ 中的 e）被确认为自然对数的底数。其近似值为2.71828，片段同时指出 e 是一个无理数，其小数部分无限且不循环。

e \approx 2.71828

分母中的阶乘项

分母 x! 通过一个具体例题加以解释。片段计算了5!，即按递减顺序相乘的正整数，以此展示概率质量函数中阶乘符号的实际计算方式。

5! = 5 \cdot 4 \cdot 3 \cdot 2 \cdot 1 = 120

泊松随机变量的取值范围

视频强调：只有明确了随机变量 X 的所有可能取值，一个分布才算被完整定义。由于 X 表示事件发生的次数，其取值范围是全体非负整数，且无上界。

x = 0, 1, 2, \ldots

泊松概率质量函数

泊松分布通过其概率质量函数（PMF）引入，该函数给出计数型离散随机变量 $X$ 恰好等于某个非负整数 $x$ 的概率。该公式由 $\lambda^x$ 、阻尼因子 $e^{-\lambda}$ 以及阶乘分母 $x!$ 组合而成。

P(X=x)=\frac{\lambda^x e^{-\lambda}}{x!},\quad x=0,1,2,\ldots

泊松随机变量的均值

对于泊松分布，其均值恰好等于参数 $\lambda$ 。视频中将其写作 $\mu=\lambda$ ，并指出某些资料可能使用 $\mu$ 作为参数名，但本课统一采用 $\lambda$ 。

\mu=\lambda

泊松随机变量的方差

方差也等于 $\lambda$ 。结合均值公式，这给出了泊松分布的显著特性：均值与方差相等。

\sigma^2=\lambda

由每秒发生率求出 $\lambda$

当题目给出单位时间内事件发生的平均次数，并要求计算更长时段内的概率时，该时段所对应的泊松参数等于发生率乘以时段长度。在本例中，每秒 $2.3$ 次衰变，持续 $2$ 秒，得到 $\lambda=4.6$ 。

\lambda=(2.3)(2)=4.6

例题：在 3 秒内恰好发生 2 次衰变

设 $X$ 为2秒时间段内发生的衰变次数，且 $\lambda=4.6$ ，则恰好发生3次衰变的概率可通过代入概率质量函数（PMF）计算： $P(X=3)=\frac{4.6^3 e^{-4.6}}{3!}=0.163$ （结果保留三位小数）。

P(X=3)=\frac{4.6^3 e^{-4.6}}{3!}=0.163

解读泊松分布直方图（对应 $\lambda=4.6$ ）

末尾的条形图展示了 $X$ 在 $\lambda=4.6$ 下的完整分布。位于 $x=3$ 处的高亮条形高度为 $0.163$ ，因此所计算出的单个概率对应于整个分布中的一个点质量。

泊松分布的支撑集无上界

视频中直方图仅显示至15次衰变，但明确说明这只是为展示目的所做的截断。对于本例中的泊松随机变量X，其可能取值向上无限延伸，尽管远离均值处的概率变得极小。

该泊松实例的均值

对于速率参数为 $\lambda=4.6$ 的衰变分布，讲解者指出其均值等于 $\lambda$ 。屏幕上相应写出的表达式为 $\mu = \lambda = 4.6$ 。

\mu = \lambda = 4.6

该泊松实例的方差

片段指出，方差也等于该速率参数。使用相同的数值示例，屏幕上显示的方程为 $\sigma^2 = 4.6$ ，其数值与均值一致。

\sigma^2 = \lambda = 4.6

由方差求标准差

一旦方差已知，标准差即为其平方根。视频中直接在方差方程下方写出 $\sigma = \sqrt{4.6}$ 。

\sigma = \sqrt{4.6}

右偏度依赖于λ

直方图被描述为略带右偏。讲解者解释道：泊松分布的偏度随 $\lambda$ 变化——当 $\lambda$ 较大时，分布接近对称；而当 $\lambda$ 接近零时，右偏程度可能很强。

累积概率作为有限和

为回答“衰变次数不超过3次”，视频将事件 $X \le 3$ 转化为四个点概率之和： $P(X \le 3) = P(X=0)+P(X=1)+P(X=2)+P(X=3)$ 。图中红色条形图直观展示了这一累积过程。

P(X \le 3) = P(X=0) + P(X=1) + P(X=2) + P(X=3)

例题演算： $P(X \le 3) = 0.326$

利用参数为 $\lambda=4.6$ 的泊松概率质量函数，视频逐项计算出四项分别为 $0.010$ 、 $0.046$ 、 $0.106$ 和 $0.163$ ，再相加得到 $0.326$ 。讲解者同时指出，当项数较多时，此类求和通常借助软件完成。

\frac{4.6^0 e^{-4.6}}{0!} + \frac{4.6^1 e^{-4.6}}{1!} + \frac{4.6^2 e^{-4.6}}{2!} + \frac{4.6^3 e^{-4.6}}{3!} = 0.326

二项分布到泊松分布的极限关系

最后一张幻灯片指出，当 $n \to \infty$ , $p \to 0$ , 且 $np$ 保持不变。在实际近似语言中，参数为 $\lambda = np$ 的泊松分布与二项分布非常接近，当 $n$ 很大且 $p$ 很小时。

\lambda = np

为何钚的衰变呈现泊松特性

讲解者将前述关系应用于放射性衰变：即使极小的样品也含有极大量的原子，且每个原子在 2 秒内发生衰变的概率极小。这使得衰变计数本质上是一个具有极大 $n$ 和极小 $p$ 的二项分布，因此可用泊松分布很好地建模。

二项分布到泊松分布的极限关系

该片段陈述标准的稀有事件极限情形：当二项试验次数 $n$ 变得非常大、每次试验的成功概率 $p$ 变得非常小，且其乘积 $np$ 保持恒定时，二项分布趋向于泊松分布。这正是在合适场景下以泊松模型替代二项模型的理论基础。

n \to \infty,\; p \to 0,\; np \text{ constant}

近似泊松分布中的参数

对于该近似泊松分布，其速率参数取为原始二项模型的恒定均值。因此，泊松参数被选定为 $\lambda = np$ 。

\lambda = np

放射性衰变作为泊松分布的一个实例

讲解者以放射性衰变计数为例，说明该量能被泊松分布非常精确地近似。这一联系源于前述的二项分布向泊松分布的过渡关系：即在试验次数很多、每次试验成功概率很小的情况下。

详细学习笔记

按知识点查看条件、步骤和证据。补充解释与视频直接内容分别标明。

符号定义 · 25

X

依据清楚

视频直接表达

来源依据

公式
观察依据
幻灯片上写着：“那么，X（固定时间单位内发生的事件数）服从泊松分布。”
公式
观察依据
概率质量函数写作 $P(X = x) = \frac{\lambda^x e^{-\lambda}}{x!}$ 。
声音
观察依据
讲解者指出，X 表示固定时间单位内发生的事件数，而小写字母 x 表示它所取的具体数值。

符号

含义

随机变量，表示在固定的时间、距离、面积或体积内发生的事件数。

适用范围

非负整数，屏幕上写作 $x = 0$ , 1, 2, …

x

依据清楚

视频直接表达

来源依据

公式
观察依据
该公式使用了 $P(X = x)$ 。
声音
观察依据
讲解者说：“随机变量 X 取值为小写字母 x。”
公式
观察依据
手写辅助行写着：“当 $x = 0$ , 1, 2, … 时”

符号

含义

随机变量 X 的一个具体实现的计数值。

适用范围

x 属于集合 {0,1,2,…}

$\lambda$

依据清楚

视频直接表达

来源依据

公式
观察依据
概率质量函数中包含 $\lambda^x$ 和 $e^{-\lambda}$ 。
声音
观察依据
讲解者在朗读公式时使用了 lambda，但本片段中未对 lambda 进行定义。

待核验内容

视频片段在公式中展示了 λ，但未明确说明其含义或正性条件。

符号

$\lambda$

含义

出现在泊松概率质量函数中的参数。

适用范围

视频片段中未说明。

e

依据清楚

视频直接表达

来源依据

公式
观察依据
概率质量函数中含有 $e^{-\lambda}$ 。
公式
观察依据
公式下方的手写文字为“e ≈ 2.71828”。
声音
观察依据
讲解者指出 e 是一个重要的数学常数，即自然对数的底数，约等于 2.71828，是一个无限不循环小数的无理数。

符号

含义

欧拉数，即自然对数的底数。

适用范围

数学常数；其近似值显示为 2.71828。

x!

依据清楚

视频直接表达

来源依据

公式
观察依据
概率质量函数的分母是 x!。
公式
观察依据
手写示例为“5! = $5 \cdot 4 \cdot 3 \cdot 2 \cdot 1 = 120$ ”。
声音
观察依据
讲解者将阶乘示例解释为 5 乘以 4 乘以 3 乘以 2 乘以 1 等于 120。

待核验内容

视频片段中未完整写出 n! 的一般定义；仅展示了示例 5!。

符号

含义

阶乘符号应用于计数值 x。

适用范围

在所显示的概率质量函数（PMF）支撑集上，用于非负整数取值的 x。

$p(x)$

依据清楚

视频直接表达

来源依据

声音
观察依据
讲述者称该概率有时可写作小写 x 的 p。
公式
观察依据
手写标注出现在印刷公式上方，内容为 " $p(x)$ "。

符号

$p(x)$

含义

$P(X = x)$ 的另一种记法，表示在数值 x 处的概率质量。

适用范围

定义域为 $x = 0$ , 1, 2, ...

x

依据清楚

视频直接表达

来源依据

公式
观察依据
屏幕上显示泊松概率质量函数 $P(X=x)=\frac{\lambda^x e^{-\lambda}}{x!}$ ，旁有手写注释：“当 $x = 0$ ,1,2,... 时”

符号

含义

随机变量 X 所取的离散值；本片段中限定为非负整数。

适用范围

x 属于集合 {0,1,2,…}。

$\lambda$

依据清楚

视频直接表达

来源依据

公式
观察依据
该概率质量函数以 λ 为参数，出现在表达式 $λ^x e^{-λ}/x$ ! 中。
声音
观察依据
讲解者指出泊松分布的均值为 lambda，并在示例中取 lambda=4.6。

符号

$\lambda$

含义

泊松分布的速率参数；此处亦被认定为所建模时间区间内事件发生的平均次数。

适用范围

示例中采用正实数值；屏幕上未单独说明其精确定义域。

X

依据清楚

视频直接表达

来源依据

公式
观察依据
该概率质量函数写作 $P(X=x)$ 。
声音
观察依据
讲解者将 X 定义为在 2 秒时间段内发生的衰变次数。

符号

含义

用于统计所选时间区间内事件发生次数的随机变量。

适用范围

非负整数。

$\mu$

依据清楚

视频直接表达

来源依据

公式
观察依据
黑板上手写出一行： $μ = λ$ 。
声音
观察依据
讲述者说：“泊松分布的均值是 lambda。因此，随机变量 X 的均值 mu 等于 lambda。”

符号

$\mu$

含义

泊松分布下随机变量 X 的均值（期望值）

适用范围

等于泊松分布中的 λ。

$\sigma^2$

依据清楚

视频直接表达

来源依据

公式
观察依据
黑板上手写了一行： $\sigma^2 = \lambda$
声音
观察依据
讲述者指出，泊松分布的方差（标记为 sigma 平方）也等于 lambda。

符号

$\sigma^2$

含义

服从泊松分布的随机变量 X 的方差

适用范围

等于泊松分布中的 λ。

e

依据清楚

视频直接表达

来源依据

公式
观察依据
概率质量函数（PMF）中包含 $e^{-\lambda}$
公式
观察依据
黑板上写出 $e \approx 2.71828$

符号

含义

自然指数函数的底数——欧拉数，出现在概率质量函数（PMF）中

适用范围

屏幕上显示其近似值为 2.71828

知识点 · 19

泊松分布是一种基于计数的离散分布。

依据清楚

视频直接表达

来源依据

公式
观察依据
幻灯片文字："假设我们正在统计某一事件在给定时间单位、距离单位、面积单位或体积单位内发生的次数。"
声音
观察依据
讲述者将泊松分布介绍为一种重要的离散概率分布，并描述了在时间单位、距离单位、面积单位或体积单位内统计事件发生次数的情形。

定义

解释

视频将泊松分布呈现为一种离散概率模型，用于刻画某一事件在指定单位（如时间、距离、面积或体积）内发生的次数；特别强调所建模的量是一个计数。

公式

适用条件

所建模的量是事件发生的次数。
该计数是在指定的时间单位、距离单位、面积单位或体积单位内进行的。

泊松型事件计数的独立性条件

依据清楚

视频直接表达

来源依据

公式
观察依据
幻灯片文字：“事件独立发生。”
声音
观察依据
讲述者指出，知道一个事件发生的时间，完全无法提供关于另一个事件何时发生的任何信息。

定义

解释

其中一条明确条件是事件独立发生。讲述者从操作层面解释独立性：观察到一个事件的发生时刻，不会提供关于另一个事件发生时刻的任何信息。

公式

适用条件

事件必须独立发生。

先修条目

泊松分布是一种基于计数的离散分布。

泊松型事件计数的恒定速率条件

依据清楚

视频直接表达

来源依据

公式
观察依据
幻灯片文字：“在给定时间段内，事件发生的概率不随时间变化。”
声音
观察依据
讲述者将此重新表述为：事件发生的理论速率不随时间变化。
公式
观察依据
幻灯片括号内文字：“（事件随机且独立地发生）”

待核验内容

幻灯片使用“在给定时间段内发生的概率”这一概率语言，而讲述者将其转述为“恒定的理论速率”；该片段并未给出两种表述之间形式化的推导。

定义

解释

第二条明确条件是：在给定时间段内事件发生的概率不随时间变化。讲述者将其概括为事件发生的理论速率恒定，并粗略地将事件描述为随机且独立地发生。

公式

适用条件

在固定长度的时间段内，事件发生的概率与时间无关。
同样地，在旁白中，理论事件发生率不随时间变化。

先修条目

泊松分布是一种基于计数的离散分布。

泊松概率质量函数

依据清楚

视频直接表达

来源依据

公式
观察依据
幻灯片标题：“泊松概率质量函数：”
公式
观察依据
印刷公式： $P(X = x) = \frac{\lambda^x e^{-\lambda}}{x!}$ 。
公式
观察依据
手写标注： $p(x)$ 。
公式
观察依据
手写辅助线：当 $x = 0$ , 1, 2, … 时
声音
观察依据
讲述者朗读该公式，并指出 x 可取任意非负整数值，且无上界限制。

待核验内容

该片段未明确说明 λ 需满足正数条件，尽管所呈现的公式即为泊松概率质量函数。

公式

解释

视频将泊松概率质量函数定义为计数型随机变量 X 恰好等于某个特定值 x 的概率。屏幕上显示的公式为 $P(X = x) = \frac{\lambda^x e^{-\lambda}}{x!}$ ，其上方另以 $p(x)$ 表示。支撑集被明确定义为全体非负整数。

公式

P(X = x) = \frac{\lambda^x e^{-\lambda}}{x!}, \quad x = 0, 1, 2, \ldots

适用条件

X 是固定单位时间内发生的事件数量。
x 是一个非负整数。
该公式在陈述了独立性与恒定发生率条件之后给出。

先修条目

泊松分布是一种基于计数的离散分布。
泊松型事件计数的独立性条件
泊松型事件计数的恒定速率条件
e
x!

欧拉数 e

依据清楚

视频直接表达

来源依据

公式
观察依据
手写文字：e ≈ 2.71828。
声音
观察依据
讲述者说，e 类似于 π，是一个重要的数学常数，是自然对数的底数，约等于 2.71828，且为无理数，其小数展开式无限不循环。

定义

解释

该片段将 e 定义为一个重要的数学常数和自然对数的底数，并给出其近似小数值 2.71828，同时指出 e 是无理数，因此其小数展开式无限且不循环。

公式

e \approx 2.71828

阶乘示例：5!

依据清楚

视频直接表达

来源依据

公式
观察依据
手写文字：5! = 5 ⋅ 4 ⋅ 3 ⋅ 2 ⋅ $1 = 120$ 。
声音
观察依据
讲述者说阶乘此前已讨论过，并以 5 的阶乘为例，计算为 5 乘以 4 乘以 3 乘以 2 乘以 1 等于 120。

待核验内容

本片段未完整写出 n! 的一般递归定义或乘积定义，仅展示了具体例子。

方法

解释

为说明泊松概率质量函数（PMF）中的阶乘项，视频计算 5！，即从 5 递减至 1 的所有正整数的乘积，得到 120。

公式

5! = 5 \cdot 4 \cdot 3 \cdot 2 \cdot 1 = 120

适用条件

该示例将阶乘记号应用于整数 5。

先修条目

泊松概率质量函数

依据清楚

视频直接表达

来源依据

公式
观察依据
黑板上显示 $P(X=x)=\frac{\lambda^x e^{-\lambda}}{x!}$ 。
公式
观察依据
手写注释写道：“当 $x = 0$ ,1,2,…时”
声音
观察依据
讲解者将该表达式称为泊松概率质量函数。

定义

解释

该片段通过概率质量函数介绍泊松分布，该函数为每个非负整数 x 赋予计数型随机变量 X 等于 x 的概率。公式由幂项 $\lambda^x$ 、指数衰减因子 $e^{-\lambda}$ 和阶乘分母 x! 组合而成。

公式

P(X=x)=\frac{\lambda^x e^{-\lambda}}{x!},\quad x=0,1,2,\ldots

适用条件

X 是一个取非负整数值的离散型随机变量。
λ 是泊松分布公式中使用的参数。

泊松分布的均值

依据清楚

视频直接表达

来源依据

公式
观察依据
黑板上写出 $μ = λ$ 。
声音
观察依据
讲解员指出泊松分布的均值为 λ，并说明 μ 是 X 的均值。

公式

解释

对于服从泊松分布的随机变量，其期望值恰好等于参数 λ。视频强调，某些资料可能用 μ 表示该参数，但本课统一使用 λ。

公式

\mu = \lambda

适用条件

适用于泊松分布。

先修条目

泊松概率质量函数

泊松分布的方差

依据清楚

视频直接表达

来源依据

公式
观察依据
黑板上写出 $σ^2 = λ$ 。
声音
观察依据
讲解员指出泊松分布的方差也等于 λ，并得出结论：均值与方差相等。

公式

解释

该片段指出，泊松随机变量的方差也是 λ，因此该分布具有均值等于方差的特性。这一性质被呈现为泊松模型的显著特征。

公式

\sigma^2 = \lambda

适用条件

适用于泊松分布。

先修条目

泊松概率质量函数
泊松分布的均值

将泊松参数按时间区间长度进行缩放

依据清楚

视频直接表达

来源依据

声音
观察依据
讲解者指出，给定的平均值为2.3次衰变每秒，但题目关注的是一个2秒的时间段。
公式
观察依据
板书显示 $λ = 2.3 \times 2 = 4.6$ 。

方法

解释

当题目给出单位时间内的平均速率，并询问更长区间的情况时，该区间的泊松参数可通过将每秒速率乘以区间长度得到。本例中，每秒2.3次衰变持续2秒，得到 $λ = 4.6$ 。

公式

\lambda_{\text{interval}}=(\text{rate per second})\times(\text{number of seconds})

适用条件

所选时间区间内的事件计数被建模为泊松分布。
给定的速率以单位时间表示。

先修条目

泊松概率质量函数
泊松分布的均值

泊松随机变量的支持集

依据清楚

视频直接表达

来源依据

声音
观察依据
讲述者说可能的取值为 0、1、2，依此类推，并指出对于泊松分布，X 可取的值没有上界。
图示
观察依据
直方图横轴标注为“衰变次数”，显示从 0 到 15 的柱状图，而讲述者解释该图在 15 处被截断，因为再往后的概率变得非常小。

定义

解释

本例中，X 表示在2秒时间区间内发生的放射性衰变次数。视频指出，X 可取的值为0、1、2……，且无上界。屏幕上显示的直方图仅出于视觉便利截断于15，并非因为该分布在此处终止。

公式

适用条件

适用于视频片段中讨论的泊松分布。
该随机变量是离散的且非负。

泊松分布的均值

依据清楚

视频直接表达

来源依据

声音
观察依据
旁白说：“对于该分布，均值 μ 等于 λ，此处即为4.6。”
公式
观察依据
屏幕上手写添加公式 $\mu = \lambda = 4.6$ 。

公式

解释

视频直接指出，该泊松分布的均值等于其速率参数；结合本例取值，均值为4.6次衰变，发生在2秒内。

公式

\mu = \lambda = 4.6

适用条件

针对本例中的泊松分布而陈述。
使用与屏幕上所展示的衰变分布相同的 λ。

先修条目

泊松随机变量的支持集

定理与条件 · 12

泊松随机变量是一种计数型随机变量

依据清楚

视频直接表达

来源依据

声音
观察依据
讲述者说，事件发生的次数是一个随机变量，它是否服从泊松分布取决于具体情况；但泊松随机变量本质上是对某事件发生次数的计数。

命题

泊松随机变量表示某一事件发生的次数。

前提

我们考虑一个与事件发生次数相关的随机变量。

量词

本视频片段中讨论的泊松随机变量。

导致事件计数服从泊松分布的条件

依据清楚

视频直接表达

来源依据

公式
观察依据
幻灯片列出了两个假设：事件相互独立，且在给定时间长度内事件发生的概率不随时间变化。
公式
观察依据
下一张幻灯片指出：“那么，X（即单位固定时间内发生的事件数）服从泊松分布。”
声音
观察依据
讲解者说：“若这些条件成立，则随机变量 X …… 服从泊松分布。”

待核验内容

视频以文字形式将这些条件表述为充分条件，但并未给出证明，也未陈述包含全部测度论假设的严格定理。

定理

命题

若事件相互独立，且在给定时间长度内事件发生的概率不随时间变化，则 X（即单位固定时间内发生的事件数）服从泊松分布。

前提

事件相互独立。
在给定时间长度内事件发生的概率不随时间变化。
X 定义为单位固定时间内发生的事件数。

量词

针对视频片段中描述的计数设定。

本介绍中泊松计数的支持集

依据清楚

视频直接表达

来源依据

公式
观察依据
手写辅助说明：当 $x = 0$ , 1, 2, … 时
声音
观察依据
讲述者指出，X 可以取任意非负整数值，且 X 的取值没有上限。

待核验内容

最后一句话在“但取决于具体情况，概率……”处被截断，因此本片段中无法获得进一步的限定说明。

命题

在本处引入的泊松设定中，X 可以取任意非负整数值，且没有上限。

前提

X 表示单位时间内发生的事件个数。
概率质量函数正被用于计算各 x 值对应的概率。

量词

对所展示支持集中所有允许的 x 值成立。

泊松分布的均值与方差相等

依据清楚

视频直接表达

来源依据

声音
观察依据
讲解者说：“对于泊松分布，均值与方差相等。”
公式
观察依据
板书同时显示 $μ = λ$ 和 $σ^2 = λ$ 。

命题

若随机变量 X 服从参数为 λ 的泊松分布，则 $E[X] = λ$ 且 Var(X) = λ，因此均值与方差相等。

前提

X 服从参数为 λ 的泊松分布。

量词

对于服从泊松分布的随机变量 X。

泊松分布的结果没有上界

依据清楚

视频直接表达

来源依据

声音
观察依据
讲述者说：“但对泊松分布而言，随机变量 X 可取的值没有上界。”

命题

对泊松分布而言，随机变量 X 可取的值没有上界。

前提

X 服从本视频片段中讨论的泊松分布。

量词

对于本视频片段中讨论的泊松分布，X 的所有可取值向上无限延伸。

均值等于速率参数

依据清楚

视频直接表达

来源依据

声音
观察依据
讲解员指出均值 μ 等于 λ，且此处为4.6。
公式
观察依据
屏幕上手写公式： $\mu = \lambda = 4.6$ 。

命题

对于该泊松分布，均值等于速率参数 λ。

前提

该随机变量服从参数为 λ 的泊松分布。

量词

此结论仅针对示例中的分布给出；视频片段未展开更一般的证明。

方差等于速率参数

依据清楚

视频直接表达

来源依据

声音
观察依据
讲解员指出方差也等于 λ，因此也等于4.6。
公式
观察依据
屏幕上手写公式： $\sigma^2 = 4.6$ 。

命题

对于该泊松分布，方差也等于速率参数 λ。

前提

该随机变量服从参数为〔λ〕的泊松分布。

量词

针对示例中所述分布所作的陈述。

偏态程度取决于〔λ〕

依据清楚

视频直接表达

来源依据

声音
观察依据
讲解员指出泊松分布具有一定程度的右偏态，但其偏斜程度取决于〔λ〕的取值：当〔λ〕较大时，分布接近对称；而当〔λ〕接近零时，右偏态则可能非常明显。

命题

泊松分布呈现右偏态，其偏斜强度依赖于〔λ〕：〔λ〕较大时分布近似对称，而〔λ〕接近零时则表现出强烈的右偏态。

前提

当前讨论的分布是泊松分布。

量词

这是对不同〔λ〕取值下的定性比较；视频片段未提供偏态的正式度量。

在稀有事件尺度下，二项分布趋近于泊松分布

依据清楚

视频直接表达

来源依据

字幕依据
观察依据
幻灯片文字指出：当n趋于无穷大、p趋于0且np保持恒定时，二项分布趋近于泊松分布。
声音
观察依据
讲解员重复了相同的极限表述，并补充说明：当n很大且p很小时，参数为〔λ〕＝np的泊松分布可很好地近似二项分布。

待核验内容

该片段陈述了这一极限关系，但并未给出证明。

定理

命题

当n趋于无穷大、p趋于0且np保持恒定时，二项分布趋近于泊松分布。

前提

存在一系列参数为 n 和 p 的二项分布设定。
n 趋于无穷大。
p 趋于零。
np 保持恒定。

量词

对满足所述渐近条件的二项分布序列所作的极限陈述。

实用近似规则

依据清楚

视频直接表达

来源依据

字幕依据
观察依据
幻灯片文字显示：“若 n 较大且 p 较小，则参数为 $\lambda$ = np 的泊松分布可很好地近似二项分布。”
声音
观察依据
讲述者重复道：若 n 较大且 p 较小，则参数为 lambda 等于 n 乘以 p 的泊松分布可很好地近似二项分布。

待核验内容

视频中“较大”和“较小”是定性描述；未给出具体的数值阈值。

命题

若 n 较大且 p 较小，则参数为 $\lambda$ = np 的泊松分布可很好地近似二项分布。

前提

n 较大。
p 较小。
λ 被设为等于 np。

量词

视频片段中给出的是一个实用近似表述，而非一条完全量化的定理。

放射性衰变次数能被泊松分布很好地近似。

依据清楚

视频直接表达

来源依据

声音
观察依据
主讲人说：“因此，放射性衰变次数能被泊松分布很好地近似。”

待核验内容

本片段未在此处重述放射性衰变示例所依赖的全部假设。

命题

放射性衰变次数能被泊松分布很好地近似。

前提

隐含依赖于前文关于二项分布向泊松分布过渡的讨论，但该讨论仅部分出现在本片段中。

量词

在所讨论的情境下，关于放射性衰变次数的一般性断言。

识别服从泊松分布的随机变量可能很困难。

依据清楚

视频直接表达

来源依据

字幕依据
观察依据
幻灯片文字：“判断一个随机变量是否服从泊松分布可能很困难。”
声音
观察依据
主讲人表示，判断一个随机变量是否能在合理程度上被泊松分布近似，可能很困难。

命题

判断一个随机变量是否能在合理程度上被泊松分布近似，可能很困难。

量词

关于实际建模中识别分布这一问题的存在性/一般性警示主张。

推导与证明 · 6

介绍概率质量函数（PMF）及其另一种记法

依据清楚

视频直接表达

来源依据

公式
观察依据
屏幕上持续显示印刷公式： $P(X = x) = \frac{\lambda^x e^{-\lambda}}{x!}$
公式
观察依据
手写标注 $p(x)$ 被添加在印刷表达式上方。
声音
观察依据
讲述者指出，X 取小写 x 值的概率有时记作 p 小写 x。

视觉说明

步骤

公式
$P(X = x) = \frac{\lambda^x e^{-\lambda}}{x!}$
解释
视频以标准概率记号展示了泊松概率质量函数。
步骤依据
该公式直接显示在幻灯片上，用于计算概率。
视频直接表达
公式
$p(x)$
解释
一个手写的标签 $p(x)$ 被置于印刷公式上方，表示同一量的另一种记法。
步骤依据
当讲解员口述“该表达式有时写作 p 小 x”时，该标记同步出现在屏幕上。
视频直接表达

结论

该片段指出 $P(X = x)$ 与 $p(x)$ 是同一泊松概率质量在取值 x 处的两种记法。

演示阶乘运算的例题，用以支撑 PMF 分母中的阶乘部分

依据清楚

视频直接表达

来源依据

公式
观察依据
手写序列构建出 5! = $5 \cdot 4 \cdot 3 \cdot 2 \cdot 1 = 120$ 。
声音
观察依据
讲解员口头将 5 乘以 4 乘以 3 乘以 2 乘以 1，并说明结果为 120。

数值验证

步骤

公式
$5!$
解释
视频选取 5! 作为 PMF 分母中出现的阶乘记号的一个具体例子。
步骤依据
讲解员在提及阶乘此前已讨论过之后，引出该例。
视频直接表达
公式
$5 \cdot 4 \cdot 3 \cdot 2 \cdot 1$
解释
该阶乘被展开为依次递减的正整数之积。
步骤依据
直接在屏幕上书写并朗读出来。
视频直接表达
公式
$120$
解释
该乘积的计算结果为120。
步骤依据
以最终手写等式形式呈现，并在旁白中明确陈述。
视频直接表达

结论

该例题演示了如何计算泊松概率质量函数（PMF）中出现的阶乘项。

明确支持集，从而使该概率质量函数（PMF）成为一个完整的概率分布。

依据清楚

视频直接表达

来源依据

声音
观察依据
讲述者指出，除非说明随机变量 X 可取哪些值，否则它还不是一个概率分布。
公式
观察依据
手写文字显示：当 $x = 0$ , 1, 2, … 时
声音
观察依据
讲述者说明，X 可取任意非负整数值，且不存在上界。

待核验内容

最后一句口语表述不完整，因为视频片段在句子中途结束。

视觉说明

步骤

公式
$X = \text{number of events in a given unit of time}$
解释
讲述者将支持集的讨论重新联系到 X 作为计数变量的定义上。
步骤依据
此结论源自前一张幻灯片对 X 的定义，以及旁白中重申 X 是一个计数变量。
依据视频推导
公式
$x = 0, 1, 2, \ldots$
解释
计数值的所有可能取值被明确写出，即全体非负整数。
步骤依据
手写在屏幕上，并口头解释为任意非负整数。
视频直接表达
公式
$\text{no upper bound}$
解释
旁白补充说明该支撑集在上方无界。
步骤依据
在写出支撑集后，音频中直接陈述。
视频直接表达

结论

该片段通过明确泊松计数取值于无上界的非负整数，完成概率质量函数（PMF）的呈现。

将示例数值代入泊松概率质量函数

依据清楚

视频直接表达

来源依据

公式
观察依据
黑板上写出 $P(X=3)=\frac{\lambda^x e^{-\lambda}}{x!}=\frac{4.6^3 e^{-4.6}}{3!}=0.163$ 。
声音
观察依据
讲述者将 $λ=4.6$ 和 $x=3$ 代入泊松概率质量函数，并指出计算器结果四舍五入后为 0.163。

数值验证

步骤

公式
$P(X=3)=\frac{\lambda^x e^{-\lambda}}{x!}$
解释
从视频片段中先前展示的通用泊松概率质量函数出发。
步骤依据
使用泊松概率质量函数的定义。
视频直接表达
公式
$\lambda=4.6,\quad x=3$
解释
代入由每秒 2.3 次衰变、持续 2 秒所得出的区间特异性参数，以及题目所要求的目标计数。
步骤依据
由已演算的设定得 $λ=2.3\times 2=4.6$ ，且题目要求恰好发生 3 次衰变。
视频直接表达
公式
$P(X=3)=\frac{4.6^3 e^{-4.6}}{3!}$
解释
在整个公式中，将 λ 替换为 4.6，x 替换为 3。
步骤依据
直接代入概率质量函数。
视频直接表达
公式
$P(X=3)=0.163$
解释
对表达式进行数值计算，并四舍五入到小数点后三位。
步骤依据
如讲述者所述，使用计算器或计算机进行计算。
视频直接表达

结论

恰好发生 3 次放射性衰变的概率，在随机选取的 2 秒时间段内，约为 0.163。

衰变实例中 $P(X \le 3)$ 的推导

依据清楚

视频直接表达

来源依据

公式
观察依据
完整展示的推导过程： $P(X \le 3) = P(X=0)+P(X=1)+P(X=2)+P(X=3) = \frac{4.6^0 e^{-4.6}}{0!}+\frac{4.6^1 e^{-4.6}}{1!}+\frac{4.6^2 e^{-4.6}}{2!}+\frac{4.6^3 e^{-4.6}}{3!} = 0.010+0.046+0.106+0.163 = 0.326$ 。
声音
观察依据
讲解员说明：X 小于或等于 3 的概率，等于 0、1、2 和 3 这四个取值的概率之和，这些概率均通过参数为 4.6 的泊松概率质量函数求得，且四舍五入后的数值之和为 0.326。

待核验内容

本视频片段中未单独以符号形式写出通用的概率质量函数公式；该公式仅通过代入四个项的形式呈现。

严格证明

步骤

公式
$P(X \le 3) = P(X=0) + P(X=1) + P(X=2) + P(X=3)$
解释
将累积事件“衰变次数不超过 3 次”重写为四个互不相交的单点事件 $X=0$ 、 $X=1$ 、 $X=2$ 、 $X=3$ 的并集。
步骤依据
视频中直接陈述此方法为求解目标概率所采用的方式。
视频直接表达
公式
$= \frac{4.6^0 e^{-4.6}}{0!} + \frac{4.6^1 e^{-4.6}}{1!} + \frac{4.6^2 e^{-4.6}}{2!} + \frac{4.6^3 e^{-4.6}}{3!}$
解释
将每个单点概率代入参数 $λ = 4.6$ 的泊松概率质量函数。
步骤依据
讲解员指出，这些数值被代入参数 λ 为 4.6 的泊松概率质量函数。
视频直接表达
公式
$= 0.010 + 0.046 + 0.106 + 0.163$
解释
对每一项进行数值计算，并四舍五入保留三位小数。
步骤依据
讲解员称，当四舍五入保留三位小数时，这些概率分别得出这四个数值。
视频直接表达
公式
$= 0.326$
解释
将四个四舍五入后的概率相加，得到累积概率。
步骤依据
讲解者指出它们的和为0.326。
视频直接表达

结论

对于显示的参数为 $\lambda = 4.6$ 的泊松模型，3 秒内观测到不超过 2 次衰变的概率为 0.326。

从二项分布的稀有事件情形到泊松近似

依据清楚

视频直接表达

来源依据

字幕依据
观察依据
幻灯片明确指出了极限情形以及连接二项分布与泊松分布的近似规则。
声音
观察依据
主讲人将这一关系与放射性衰变计数为何能被泊松分布很好地近似联系起来。

待核验内容

本片段未展示任何代数推导过程；仅呈现了最终的关系式及其解释。

直观解释

步骤

公式
$n \to \infty,\quad p \to 0,\quad np \text{ stays constant}$
解释
该片段指明了二项分布趋近于泊松分布的情形。
步骤依据
直接呈现在幻灯片上。
视频直接表达
公式
$\lambda = np$
解释
泊松参数被设为常数乘积 $np$ 。
步骤依据
直接呈现在幻灯片上。
视频直接表达
公式
$\text{Use Poisson}(\lambda) \text{ to approximate the binomial model when } n \text{ is large \text{且} } p \text{ is small.}$
解释
由此得到本节所总结的实用近似规则。
步骤依据
该规则直接呈现在幻灯片上，并由口述内容加以强调。
视频直接表达

结论

当二项分布设定满足试验次数很多、每次成功概率很小，且均值固定为 $np$ 时，参数为 $\lambda=np$ 的泊松分布即为其对应的近似分布。

例题详解 · 6

泊松型计数的情境化示例

依据清楚

视频直接表达

来源依据

公式
观察依据
幻灯片项目符号：「一天内发生的汽车事故数量」和「一平方米土地样方中的蒲公英数量」。
声音
观察依据
讲述者提到，在多伦多这样的城市中统计一天内的汽车事故数量，以及在一平方米土地样方中统计蒲公英数量。

待核验内容

本片段未计算任何数值型概率。

题目

识别可在固定单位中对事件发生次数进行计数的情形。

已知条件

在给定的时间、距离、面积或体积单位内统计事件发生次数。
提到的示例场景包括：城市中每日的汽车事故数；每平方米土地上的蒲公英数。

目标

阐释泊松分布旨在建模的这类随机计数。

步骤

公式
$\text{car accidents in a day}$
解释
这是在固定时间区间内的计数。
步骤依据
在幻灯片上列出，并在讲解中作为示例被提及。
视频直接表达
公式
$\text{dandelions in a square metre plot of land}$
解释
这是在固定面积内的计数。
步骤依据
在幻灯片上列出，并在讲解中作为示例被提及。
视频直接表达

结果

这些示例表明，泊松型变量出现在对固定单位（如时间、面积）内事件发生次数进行计数时。

检验

这些示例符合前述关于在给定时间、距离、面积或体积单位内计数事件发生的定义。

阶乘计算示例

依据清楚

视频直接表达

来源依据

公式
观察依据
手写计算：5! = 5 ⋅ 4 ⋅ 3 ⋅ 2 ⋅ $1 = 120$ 。
声音
观察依据
讲解者朗读了相同的乘法运算及结果。

题目

计算5!，以说明泊松概率质量函数（PMF）中的阶乘项。

已知条件

阶乘符号 x! 出现在 PMF 的分母中。
所选示例为5!。

目标

计算5!。

步骤

公式
$5! = 5 \cdot 4 \cdot 3 \cdot 2 \cdot 1$
解释
将阶乘展开为从5递减到1的整数乘积。
步骤依据
直接显示在屏幕上，并由叙述者口述。
视频直接表达
公式
$= 120$
解释
将各因数相乘，得到其数值结果。
步骤依据
最终手写等式及口述结果。
视频直接表达

结果

对应的式子为：120

检验

屏幕上显示的算术过程与叙述者口述的乘法运算所得结果一致，均为120。

钚-239的放射性衰变示例

依据清楚

视频直接表达

来源依据

字幕依据
观察依据
屏幕文字介绍了钚-239，并指出一纳克该物质平均每秒发生2.3次放射性衰变，衰变次数服从泊松分布。
字幕依据
观察依据
屏幕上提出的问题是：在2秒的时间段内，恰好发生3次放射性衰变的概率是多少？
公式
观察依据
解答中设X表示2秒时间段内的衰变次数，则 $λ=2.3\times 2=4.6$ ，于是 $P(X=3)=\frac{4.6^3 e^{-4.6}}{3!}=0.163$ 。

题目

一纳克钚-239平均每秒发生2.3次放射性衰变，且衰变次数服从泊松分布。求在2秒的时间段内恰好发生3次放射性衰变的概率。

已知条件

平均速率 = 2.3次衰变每秒。
时间区间 = 2秒。
目标计数 = 恰好3次衰变。
该时间区间内的计数由泊松分布建模。

目标

计算在 3 秒时间段内衰变次数 X 满足 $P(X=2)$ 的概率。

步骤

公式
$\text{Let }X\text{ be the number of decays in a 2 second period.}$
解释
应用分布前，先定义随机变量。
步骤依据
本题要求计算固定时间区间内衰变次数的概率。
视频直接表达
公式
$\lambda=2.3\times2=4.6$
解释
将给定的每秒平均值转换为2秒时间间隔内的平均衰变次数。
步骤依据
对于泊松模型，其参数等于所考虑时间间隔内的平均计数值。
视频直接表达
公式
$P(X=3)=\frac{4.6^3 e^{-4.6}}{3!}$
解释
将 $\lambda=4.6$ 和 $x=3$ 代入泊松概率质量函数（PMF）。
步骤依据
应用公式 $P(X=x)=\lambda^x e^{-\lambda}/x$ !。
视频直接表达
公式
$P(X=3)=0.163$
解释
进行数值计算，并四舍五入保留三位小数。
步骤依据
旁白中说明使用计算器或计算机完成计算。
视频直接表达

结果

对应的式子为：0.163

检验

展示参数 $\lambda=4.6$ 的泊松分布最终条形图，突出显示 $x=3$ 处的条形，并将其高度标注为0.163。

示例：发生不超过3次衰变的概率

依据清楚

视频直接表达

来源依据

字幕依据
观察依据
屏幕上的题目文字为：“发生不超过3次放射性衰变的概率是多少？（ $λ = 4.6$ ）”
图示
观察依据
代表0、1、2和3的柱状图被标为红色，以表示正在累加的事件。
公式
观察依据
所展示的解法计算了 $P(X \le 3)$ ，并以 = 0.326结束。
声音
观察依据
讲解者先提出问题：发生不超过三次放射性衰变的概率是多少，随后逐步累加0、1、2和3对应的概率。

待核验内容

未显示各个未经四舍五入的概率质量函数值，仅显示保留三位小数的四舍五入值。

题目

已知放射性衰变次数在2秒内服从泊松分布，且 $λ = 4.6$ ，求衰变次数不超过3次的概率。

已知条件

X 表示在2秒内的放射性衰变次数。
X 服从泊松分布。
$λ = 4.6$ 。
目标事件是 $X \le 3$ 。

目标

计算 $P(X \le 3)$ 。

步骤

公式
$P(X \le 3) = P(X=0) + P(X=1) + P(X=2) + P(X=3)$
解释
将短语“不超过 3”翻译为累积概率，并将其分解为若干点概率。
步骤依据
视频中直接说明。
视频直接表达
公式
$= \frac{4.6^0 e^{-4.6}}{0!} + \frac{4.6^1 e^{-4.6}}{1!} + \frac{4.6^2 e^{-4.6}}{2!} + \frac{4.6^3 e^{-4.6}}{3!}$
解释
将 $λ = 4.6$ 代入泊松概率质量函数，分别计算每个所需 X 值对应的概率。
步骤依据
讲解者指出，X 的各个取值被代入以 $λ = 4.6$ 为参数的泊松概率质量函数。
视频直接表达
公式
$= 0.010 + 0.046 + 0.106 + 0.163$
解释
使用屏幕上显示的四组数值的四舍五入结果。
步骤依据
在解题过程展示中呈现，并在讲解中提及。
视频直接表达
公式
$= 0.326$
解释
将四个四舍五入后的概率相加，得到最终答案。
步骤依据
在解题过程展示中呈现，并由讲解者明确说出。
视频直接表达

结果

对应的式子为：0.326

检验

结果与直方图中高亮的红色区域一致，该区域对应于 $X = 0$ ,1,2,3，也与所展示推导的最后一行一致。

示例：为何将钚的衰变建模为泊松分布

依据清楚

视频直接表达

来源依据

声音
观察依据
讲述者指出，这就是为什么钚的放射性衰变服从泊松分布；即使是一丁点钚，其中也含有数量极大的原子，而每个原子在两秒时间内发生放射性衰变的概率都极小。
声音
观察依据
讲述者得出结论：前面的例子从本质上讲是一个二项问题，其试验次数 n 极大，而每次试验的成功概率 p 极小。

待核验内容

本片段中未以数值形式明确给出二项分布参数 n 和 p。

题目

解释为何在 2 秒时间段内钚发生的放射性衰变次数可由泊松分布建模。

已知条件

即使极微量的样品也包含数量极大的原子。
每个原子在 2 秒时间段内发生衰变的概率极小。
该底层过程本质上被描述为二项式的。

目标

将物理设定与二项分布向泊松分布的近似联系起来。

步骤

公式
$n \text{ is very large \text{且} } p \text{ is very small}$
解释
将原子总数识别为二项试验次数，将每个原子在 2 秒内衰变的概率识别为成功概率。
步骤依据
由讲述者直接陈述。
视频直接表达
公式
$\lambda = np$
解释
使用本例之前介绍的近似规则，用参数为 np 的泊松模型替代二项模型。
步骤依据
幻灯片与讲解指出：当 n 很大且 p 很小时，参数 λ = np 的泊松分布可很好地近似二项分布。
视频直接表达

结果

衰变计数近似服从泊松分布，因为其底层的二项模型具有极大的 n 和极小的 p，恰好处于泊松近似适用的范围。

检验

该解释与前一张幻灯片所述的二项分布到泊松分布的极限关系一致。

放射性衰变次数

依据清楚

视频直接表达

来源依据

声音
观察依据
主讲人说：“因此，放射性衰变次数能被泊松分布非常良好地近似。”

待核验内容

该片段仅给出了例题的结论，未提供完整的设定或具体数值细节。

题目

解释为何放射性衰变次数可近似用泊松分布建模。

已知条件

前文关于二项分布到泊松分布关系的讨论，被用“这就是原因”所指代。
所关注的计数是放射性衰变次数。

目标

指出用于近似衰变次数的分布。

步骤

公式
$\text{Number of radioactive decays} \approx \text{Poisson distribution}$
解释
讲话者直接指出，衰变次数能被泊松分布非常好地近似。
步骤依据
开头几秒内的明确语音陈述。
视频直接表达

结果

放射性衰变次数能被泊松分布非常好地近似。

检验

本片段中未提供任何数值验证。

图示与动画 · 17

标题卡与主题引入

依据清楚

视频直接表达

来源依据

图示
观察依据
开场画面为黑色背景，依次呈现JBstatistics标志和标题“泊松分布简介”。
声音
观察依据
叙述者首先介绍泊松分布是一种重要的离散概率分布。

图中对象

JBstatistics标志
标题文字“泊松分布简介”

变化过程

标志首先出现。
标题文字取代标志。

不变量

黑色背景。
标题幻灯片出现后，小标志保留在右上角。

数学含义

视觉开场在展示任何公式之前，先确立本讲的主题。

计数设定幻灯片

依据清楚

视频直接表达

来源依据

图示
观察依据
幻灯片文字描述了在单位时间、距离、面积或体积内计数发生次数，并列举了两个例子。
声音
观察依据
讲述者进一步阐释这两个例子，并指出该计数值是一个随机变量，其是否服从泊松分布取决于具体情境。

图中对象

定义计数场景的文本块
两个项目符号形式的例子

变化过程

静态文字保留在屏幕上，同时讲述者扩展其含义。

不变量

此时尚未出现任何公式或图表。
重点在于口头讲解建模思路和举例说明。

数学含义

本幻灯片将泊松分布引出作为固定观测单位内计数数据的模型。

泊松行为的假设条件幻灯片

依据清楚

视频直接表达

来源依据

图示
观察依据
标题为“假设：”的幻灯片列出了独立性条件和时间不变概率条件。
图示
观察依据
在同一时间区间稍后，括号内文字“（事件随机且相互独立地发生）”被添加。
声音
观察依据
讲述者先解释独立性与恒定发生率，再对各项条件作简要概括。

图中对象

标题“假设：”
要点1：独立性
要点2：在给定时间段内的概率不随时间变化
括号内的概括性文字

变化过程

两个主要要点最先呈现。
在同一时间区间稍后，在幻灯片底部附近添加了一行括号内的概括性文字。

不变量

幻灯片仅包含文字。
此处未展示任何数值示例。

数学含义

视觉演进过程凸显了视频中视为导出泊松计数模型的那些假设。

结论幻灯片将X命名为泊松分布。

依据清楚

视频直接表达

来源依据

图示
观察依据
幻灯片文字：“那么，X（单位固定时间内发生的事件数）服从泊松分布。”
声音
观察依据
讲述者指出：若这些条件成立，则X服从泊松分布。

图中对象

单句定义X的分布性质。

变化过程

先前列出假设的幻灯片被替换为一句简洁的结论性陈述。

不变量

纯文字呈现。
尚未出现公式。

数学含义

本幻灯片将前述假设与计数变量X所服从的已命名分布联系起来。

概率质量函数（PMF）幻灯片，配以逐步展开的手写讲解。

依据清楚

视频直接表达

来源依据

图示
观察依据
幻灯片标题：“泊松概率质量函数：”，并印出公式〔 $P(X = x) = \frac{\lambda^x e^{-\lambda}}{x!}$ 〕。
动画
观察依据
手写批注依次添加： $p(x)$ 、e ≈ 2.71828、5! = 5 ⋅ 4 ⋅ 3 ⋅ 2 ⋅ $1 = 120$ ，以及当 $x = 0$ 、1、2……时
声音
观察依据
讲述者朗读公式，解释 e 和阶乘，并说明随机变量 X 的取值范围。

待核验内容

每处手写标记的精确逐笔书写时序仅能依据可见顺序作近似估计。

图中对象

印制的概率质量函数（PMF）公式。
手写 $p(x)$ 。
手写 e 的近似值。
手写阶乘示例。
手写取值范围标注线。

变化过程

印制公式最先出现。
$p(x)$ 写在公式的上方。
e 的近似值写在公式的下方。
阶乘示例随后写出。
支撑集直线写作： $x = 0$ , 1, 2, …

不变量

打印出的概率质量函数在整个区间内持续可见。
幻灯片保持黑色背景，配以绿色印刷文字和白色手写体。

数学含义

动画将抽象的概率质量函数转化为对其记号、常数、分母及支撑集的引导式讲解。

概率质量函数及参数性质的板书展示

依据清楚

视频直接表达

来源依据

图示
观察依据
黑板风格画框中显示标题“泊松概率质量函数：”，公式 $P(X=x)=\lambda^x e^{-\lambda}/x$ !，注释“ $x=0$ ,1,2,…”，常数 $e\approx2.71828$ 以及5!=120，并手写补充 $\mu=\lambda$ 和 $\sigma^2=\lambda$ 。

图中对象

标题文字
泊松概率质量函数公式
x 的定义域说明
e 的数值提示
阶乘示例5！
手写方程： $\mu=\lambda$ 和 $\sigma^2=\lambda$

变化过程

黑板首先展示概率质量函数（PMF）及其支撑常数。
随后在定义域说明下方写出 $\mu=\lambda$ 。
再在其下方添加 $\sigma^2=\lambda$ 。

不变量

概率质量函数公式在整个过程中始终保持可见，同时逐步补充均值与方差的关系式。

数学含义

该视觉序列将一般公式与泊松分布的两个关键汇总性质联系起来：其均值和方差均等于 $\lambda$ 。

从问题陈述过渡到参数计算

依据清楚

视频直接表达

来源依据

字幕依据
观察依据
文字画面介绍钚-239，给出每秒平均衰变次数为 2.3 次，并要求计算在 3 秒内恰好发生 2 次衰变的概率。
公式
观察依据
解题区域添加语句：设 X 表示2秒时间段内的衰变次数，并写出 $\lambda=2.3\times2=4.6$ 。

图中对象

关于钚-239的问题描述
X 的定义
λ 的手写计算过程

变化过程

画面从描述性文字幻灯片切换到已展开的解题设置
每秒 2.3 的速率被转换为区间参数 4.6

不变量

目标事件恰好发生 3 次衰变，发生在 2 秒的时间段内。

数学含义

画面展示了如何将现实世界中的速率表述转化为计算所需的泊松分布参数

本例对应的泊松分布直方图

依据清楚

视频直接表达

来源依据

图示
观察依据
出现一个蓝色条形图，坐标轴分别标注为“概率”和“衰变次数”，横轴取值范围为 0 至 15，图注为：2 秒内放射性衰变次数的分布（ $λ = 4.6$ ）
动画
观察依据
约在 155 秒时， $x = 3$ 处的条形由蓝色变为红色
公式
观察依据
约在 160 秒时，手写标签 0.163 被添加至高亮条形旁

图中对象

$x = 0$ 、1、2、……、15 处的蓝色垂直条形
纵轴标注为“概率”
横轴标注为“衰变次数”
图注标明 $\lambda=4.6$
在 $x=3$ 处标出红色高亮柱形
手写数值 0.163

变化过程

整个分布以一组蓝色柱形表示。
对应于 $x=3$ 的柱形被重新着色为红色。
数值概率 0.163 写在该柱形旁边。

不变量

该分布仍为参数 $\lambda=4.6$ 的泊松分布。
横轴继续表示整数衰变计数。

数学含义

该图将单个计算出的概率置于整体分布之中，表明 $P(X=3)$ 即为 $x=3$ 处柱形的高度。

衰变次数的截断泊松直方图

依据清楚

视频直接表达

来源依据

图示
观察依据
黑色背景上的蓝色直方图，y 轴标为“概率”，x 轴标为“衰变次数”，刻度范围从0到15。
声音
观察依据
讲解员说明该图像在15处被截断，因为可能取值延伸至无穷，但对应概率变得非常小。
字幕依据
观察依据
底部文字说明该图表示2秒内放射性衰变次数的分布，其中 $λ = 4.6$ 。

图中对象

表示衰变次数从0至15各取值概率的蓝色竖直条形
x 轴标注为“衰变次数”
y 轴标注为“概率”
底部字幕显示 $λ = 4.6$

变化过程

讲解者指出，可见范围在15处截止，尽管理论支撑范围无限延伸。

不变量

在此区间内，所显示的分布始终保持为参数 $λ = 4.6$ 的同一泊松模型。

数学含义

该图展示了一个离散概率分布，其尾部为便于显示而被截断，强调这种截断仅是图形层面的，而非数学意义上的。

位于3处的单一高亮概率衰减

依据清楚

视频直接表达

来源依据

图示
观察依据
视频片段开始时， $x = 3$ 处的柱子为红色，而邻近柱子为蓝色，并有一手写标签0.163指向该红色柱子。
公式
观察依据
在后续的累积计算中， $X = 3$ 对应的项取值为0.163。

待核验内容

视频片段在最初几秒并未明确口述 $x = 3$ 处单个红色柱子的独立含义。

图中对象

$x = 3$ 处的红色柱子
手写标注0.163
其余衰变计数对应的蓝色柱子

变化过程

一个柱子在视觉上被单独标出，并与数值概率0.163相关联。

不变量

直方图其余部分保持蓝色且不变。

数学含义

高亮部分标出点概率 $P(X=3)$ ，该值随后作为累加计算中的一项再次出现。

均值、方差与标准差的依次书写

依据清楚

视频直接表达

来源依据

动画
观察依据
直方图上方依次添加白色手写公式：先写 $μ = λ = 4.6$ ，再写 $σ^2 = 4.6$ ，最后写 σ = √{4.6}。
声音
观察依据
叙述者按公式书写顺序逐个读出各量。

图中对象

背景为直方图
手写 μ 公式
手写 $σ^2$ 公式
手写 σ 公式

变化过程

随着叙述者逐一介绍各汇总统计量，公式自上而下依次出现。

不变量

底层泊松分布及其参数 $λ = 4.6$ 保持不变。

数学含义

动画将抽象分布与其数值上的中心和离散程度关联起来，表明均值与方差相等，且标准差为它们的平方根。

事件 $X \le 3$ 的红色阴影区域

依据清楚

视频直接表达

来源依据

图示
观察依据
问题文字变为“发生不超过 3 次放射性衰变的概率是多少？（ $λ = 4.6$ ）”。
动画
观察依据
位于 $x = 0$ 、1、2、3 处的柱状图变为红色，其余柱状图为蓝色。
声音
观察依据
旁白说：“这里就是图像上红色的部分”，并解释所求概率为对应于 0、1、2 和 3 的各项之和。

图中对象

位于 0、1、2 和 3 处的红色柱状图
位于 4 及其以上位置的蓝色柱状图
底部显示题目文字

变化过程

高亮区域从单个柱状图的强调，扩展为表示累积事件的四个连续柱状图组成的区块。

不变量

该分布本身保持不变，仍为参数 $λ = 4.6$ 的泊松分布。

数学含义

颜色变化将语言描述的事件“不超过 3”转化为相邻概率质量的可视化求和。

易错点 · 8

计数数据并不自动服从泊松分布。

依据清楚

视频直接表达

来源依据

声音
观察依据
讲述者指出，事件数量是一个随机变量，其是否服从泊松分布取决于具体情境。

误区

任何在固定单位内对事件的计数都应由泊松分布建模。

说明

视频明确指出，计数型随机变量是否服从泊松分布取决于具体情境；后续幻灯片补充了独立性与恒定速率等条件。

单凭一个公式尚不足以构成完整的分布。

依据清楚

视频直接表达

来源依据

声音
观察依据
讲述者指出，除非说明随机变量 X 可取哪些值，否则它还不是一个概率分布。
公式
观察依据
支撑集直线： $x = 0$ , 1, 2, … 随后显示在屏幕上。

误区

仅写出形如 $P(X = x)$ 的表达式，本身即足以定义一个概率分布。

说明

该视频片段强调，X 的允许取值也必须明确指定；此处的支撑集是非负整数集合。

混淆参数符号与另一种约定

依据清楚

视频直接表达

来源依据

声音
观察依据
讲解员说道：“因此我们本可以使用 mu 作为参数，某些资料确实如此；但泊松分布中我们通常使用 lambda。”

误区

有人可能认为泊松分布必须始终以μ为参数，因为其均值等于该参数。

说明

视频指出，某些资料使用μ作为参数，但本课采用λ；关键事实是：对于泊松分布，参数等于均值。

误将显示中的截断点当作真实支撑集

依据清楚

视频直接表达

来源依据

声音
观察依据
讲述者指出，该图像在15处被截断，因为可能取值趋向无穷；但对泊松分布而言，随机变量X的取值没有上界。
图示
观察依据
所显示的直方图明显在15处终止。

误区

由于直方图在15处终止，人们可能误以为泊松随机变量不可能超过15。

说明

视频明确指出，该图像仅为显示目的而截断；实际泊松分布的支撑集并无上界。

假设手工求和是常规的实用方法

依据清楚

视频直接表达

来源依据

声音
观察依据
讲述者表示，若涉及大量取值，像这样逐个计算概率会略显繁琐，因此我们通常依赖软件来完成计算。

误区

人们可能推断，累积泊松概率总应通过手动累加多个概率质量函数（PMF）项来计算。

说明

该片段提醒观众：当涉及大量数值时，手工求和会变得繁琐，通常需借助软件完成。

将泊松分布与二项分布视为互不相关的模型

依据清楚

视频直接表达

来源依据

字幕依据
观察依据
幻灯片标题与正文展示了二项分布与泊松分布之间的关系。
声音
观察依据
讲述者指出，先前的衰变例子本质上是一个二项问题，其中试验次数 n 极大而单次成功概率 p 极小。

误区

人们可能将泊松分布视作一个完全独立的模型，与多次试验中成功次数的计数毫无关联。

说明

视频解释道：在稀有事件尺度下，二项分布趋近于参数为 $\lambda$ = np 的泊松分布。

将泊松模型视作完全精确的现实

依据清楚

视频直接表达

来源依据

声音
观察依据
主讲人指出，在大多数使用泊松分布的情形中，我们明知它并不能精确契合实际情况，但仍将其作为近似方法使用。
字幕依据
观察依据
幻灯片文字说明：泊松分布通常被用作对真实潜在现实的一种近似。

误区

在典型应用中，假设泊松分布能完全精确地描述潜在过程。

说明

该片段强调，泊松分布通常只是对现实的一种近似，即使这种近似可能非常精确。

假设服从泊松分布的行为很容易验证。

依据清楚

视频直接表达

来源依据

字幕依据
观察依据
幻灯片文字：“判断一个随机变量是否服从泊松分布可能很困难。”
声音
观察依据
主讲人再次强调，要判断一个随机变量是否在合理程度上服从泊松分布，可能很困难。

误区

误以为人们可以轻易判断一个随机变量是否服从泊松分布。

说明

视频明确警示：即使只是近似地识别泊松行为，也可能十分困难。

概念关系 · 19

泊松分布是一种基于计数的离散分布。 → 泊松型事件计数的独立性条件

依据清楚

视频直接表达

来源依据

图示
观察依据
第一张内容幻灯片定义了计数场景；下一张幻灯片列出了该计数被称为泊松分布所满足的假设条件。
声音
观察依据
讲解从计数实例过渡到独立性与恒定速率这两个条件。

先修

解释

必须先确立计数背景，视频才能陈述此类计数被建模为泊松分布所需的特殊条件。

泊松型事件计数的恒定速率条件 → 导致事件计数服从泊松分布的条件

依据清楚

视频直接表达

来源依据

图示
观察依据
在假设条件幻灯片之后，紧接着是声明 X 服从泊松分布的幻灯片。
声音
观察依据
讲解员说道：“若这些条件成立，则……X……服从泊松分布。”

证明依赖

解释

X 服从泊松分布这一结论，依赖于此前已陈述的独立性与恒定速率条件。

导致事件计数服从泊松分布的条件 → 泊松概率质量函数

依据清楚

视频直接表达

来源依据

图示
观察依据
在宣布 X 服从泊松分布后，下一张幻灯片呈现了泊松概率质量函数。
声音
观察依据
讲解员说道：“这是泊松分布的概率质量函数，我们将用它来计算概率。”

应用

解释

一旦确认 X 服从泊松分布，该概率质量函数（PMF）公式便是用于计算该计数变量概率的工具。

欧拉数 e → 泊松概率质量函数

依据清楚

视频直接表达

来源依据

公式
观察依据
该概率质量函数包含 $e^{-\lambda}$ 。
公式
观察依据
手写笔记 e ≈ 2.71828 添加在公式下方。
声音
观察依据
叙述者在读完概率质量函数（PMF）后立即解释 e。

先修

解释

要理解 PMF 中的指数因子，需先了解其中出现的常数 e。

阶乘示例：5! → 泊松概率质量函数

依据清楚

视频直接表达

来源依据

公式
观察依据
PMF 的分母是 x!。
公式
观察依据
手写示例 5! = 5 ⋅ 4 ⋅ 3 ⋅ 2 ⋅ $1 = 120$ 添加在公式下方。
声音
观察依据
叙述者专门引入阶乘示例，以解释 x! 这一项。

先修

解释

阶乘示例阐明了泊松 PMF 中的分母 x!。

本介绍中泊松计数的支持集 → 泊松概率质量函数

依据清楚

视频直接表达

来源依据

公式
观察依据
‘当 $x = 0$ , 1, 2, …’ 这一行写在 PMF 下方。
声音
观察依据
叙述者指出，除非明确指定随机变量 X 的可能取值，否则该分布尚不完整。

包含

解释

支撑集说明是泊松概率模型完整定义的一部分，该模型由 PMF 引入。

泊松概率质量函数 → 泊松分布的均值

依据清楚

视频直接表达

来源依据

公式
观察依据
在展示概率质量函数（PMF）后，黑板上写出 $μ=λ$ 。

应用

解释

一旦引入泊松概率质量函数，片段立即用它将分布的均值概括为λ。

泊松分布的均值 → 泊松分布的方差

依据清楚

视频直接表达

来源依据

公式
观察依据
黑板依次写出 $μ=λ$ 和 $σ^2=λ$ 。
声音
观察依据
讲述者总结道：对于泊松分布，均值与方差相等。

对比

解释

通过对比这两个公式，突出泊松分布特有的性质——均值与方差重合。

将泊松参数按时间区间长度进行缩放 → 钚-239的放射性衰变示例

依据清楚

视频直接表达

来源依据

公式
观察依据
例题计算 $λ=2.3\times 2=4.6$ ，然后代入概率质量函数。

应用

解释

将速率按时间区间长度缩放的方法，直接应用于钚-239例题，得到 $λ=4.6$ 。

钚-239的放射性衰变示例 → 本例对应的泊松分布直方图

依据清楚

视频直接表达

来源依据

图示
观察依据
直方图标题注明 $λ=4.6$ ，且 $x=3$ 处的柱子标注为0.163。

应用

解释

所计算出的例题概率，在泊松分布图中被可视化为 $x=3$ 处柱子的高度。

泊松随机变量的支持集 → 泊松分布的均值

依据清楚

视频直接表达

来源依据

声音
观察依据
该片段首先确立随机变量 X 在上方无界，随即立即指出该分布的均值等于 $\lambda = 4.6$ 。

应用

解释

关于均值的陈述被应用于同一泊松随机变量，其支撑集（取值范围）刚刚已被描述。

泊松分布的均值 → 泊松分布的方差

依据清楚

视频直接表达

来源依据

声音
观察依据
讲述者先说明均值等于 lambda，再说明方差也等于 lambda。
公式
观察依据
两个手写公式均使用了相同的数值 4.6。

对比

解释

视频强调了泊松模型的一个特殊数值巧合：均值与方差均等于 $\lambda$ 。

问题定位 · 24

本节介绍中，泊松分布适用于哪类随机变量？

依据清楚

视频直接表达

来源依据

公式
观察依据
幻灯片文字说明：统计单位时间、距离、面积或体积内的发生次数。
声音
观察依据
叙述者将泊松分布介绍为一种用于计数的离散概率分布。

涉及知识点

泊松分布是一种基于计数的离散分布。
泊松随机变量是一种计数型随机变量

视频指出，事件计数 X 要服从泊松分布，必须满足哪些条件？

依据清楚

视频直接表达

来源依据

公式
观察依据
幻灯片列出了独立性与时间不变概率这两个条件。
声音
观察依据
解说员指出：若这些条件成立，则随机变量 X 服从泊松分布。

涉及知识点

泊松型事件计数的独立性条件
泊松型事件计数的恒定速率条件
导致事件计数服从泊松分布的条件

视频片段中展示的泊松概率质量函数是什么？

依据清楚

视频直接表达

来源依据

公式
观察依据
印制公式： $P(X = x) = \frac{\lambda^x e^{-\lambda}}{x!}$ 。
声音
观察依据
解说员朗读该公式，并称其为概率质量函数。

涉及知识点

泊松概率质量函数

视频为何在 $P(X = x)$ 上方写上 $p(x)$ ？

依据清楚

视频直接表达

来源依据

公式
观察依据
手写体 $p(x)$ 写在印制的 $P(X = x)$ 上方。
声音
观察依据
解说员指出，该概率有时写作小写字母 x 的函数 $p(x)$ 。

涉及知识点

泊松概率质量函数
$p(x)$

泊松公式中的 e 是什么？它给出的近似值是多少？

依据清楚

视频直接表达

来源依据

公式
观察依据
手写体 $e \approx 2.71828$ 。
声音
观察依据
解说员指出 e 是自然对数的底数，且为无理数。

涉及知识点

欧拉数 e
e

该片段如何解释泊松概率质量函数中的阶乘项？

依据清楚

视频直接表达

来源依据

公式
观察依据
手写 5! = $5 \cdot 4 \cdot 3 \cdot 2 \cdot 1 = 120$ 。
声音
观察依据
讲述者逐步讲解乘法运算过程。

涉及知识点

阶乘示例：5!
x!

此处介绍的泊松分布中，X 可取哪些值？

依据清楚

视频直接表达

来源依据

公式
观察依据
手写：当 $x = 0$ , 1, 2, … 时
声音
观察依据
讲述者指出，X 可取任意非负整数值，且无上限。

待核验内容

最后一句口述内容被截断。

涉及知识点

本介绍中泊松计数的支持集
泊松概率质量函数
X

泊松概率质量函数的公式是什么？

依据清楚

视频直接表达

来源依据

公式
观察依据
概率质量函数（PMF）公式在视频片段开头显著展示。

涉及知识点

泊松概率质量函数

为什么视频中说泊松分布的均值与方差相等？

依据清楚

视频直接表达

来源依据

公式
观察依据
黑板上写出 $μ=λ$ 和 $σ^2=λ$ 。

涉及知识点

泊松分布的均值
泊松分布的方差
泊松分布的均值与方差相等

当题目给出每秒发生 2.3 次衰变，却要求计算 2 秒内的概率时，λ 应如何计算？

依据清楚

视频直接表达

来源依据

公式
观察依据
例题中写出 $λ = 2.3 \times 2 = 4.6$ 。

涉及知识点

将泊松参数按时间区间长度进行缩放
钚-239的放射性衰变示例

在此例中，恰好发生 3 次放射性衰变的概率是多少？2 秒的时间段内

依据清楚

视频直接表达

来源依据

公式
观察依据
黑板上计算 $P(X = 3) = 4.6^3 e^{-4.6} / 3$ ! = 0.163。

涉及知识点

钚-239的放射性衰变示例
将示例数值代入泊松概率质量函数

直方图如何呈现所计算出的概率 $P(X = 3)$ ？

依据清楚

视频直接表达

来源依据

图示
观察依据
当 $λ = 4.6$ 时的条形图，突出显示 $x = 3$ 处的条形，其高度为 0.163。

涉及知识点

本例对应的泊松分布直方图
钚-239的放射性衰变示例

覆盖情况与待核验内容

已覆盖 · 片头标志与标题卡片引出泊松分布这一离散型概率分布的主题。

已覆盖 · 计数场景与实例表明，泊松随机变量用于建模固定单位内事件发生的次数。

已覆盖 · 假设说明页指出：事件相互独立，且发生概率不随时间变化；并简要总结为：事件随机、独立地发生。

已覆盖 · 视频最终得出结论：在这些条件下，X 服从泊松分布。

已覆盖 · 泊松概率质量函数（PMF）被展示出来，并用另一种记号 $p(x)$ 进行标注。

已覆盖 · 公式中的常数 e 被解释，并近似为2.71828。

已覆盖 · 阶乘分母通过算例 5! = 120 加以图示说明。

已覆盖 · 支撑集写作 $x = 0$ , 1, 2, …，并被解释为所有非负整数，且无上界；最后一句口述内容虽被截断，但数学含义已完整表达。

已覆盖 · 最后不到一秒的画面未引入任何超出前述支撑集陈述的新数学内容。

已覆盖 · 开场板书部分呈现泊松概率质量函数（PMF）、其定义域为整数，以及事实 $μ=λ$ 和 $σ^2=λ$ 。

已覆盖 · 公式黑板与例题文字之间的简短过渡；未引入新的数学内容。

已覆盖 · 钚-239衰变问题的示例设定与完整数值解。

已覆盖 · 从代数解到分布图的简短过渡；未展示额外公式。

已覆盖 · 参数 $λ=4.6$ 的泊松分布直方图，突出显示 $x=3$ 处的柱形，并标注为0.163。

已覆盖 · 初始直方图配有标题 $λ=4.6$ ，并解释：尽管图像在 15 处进行了视觉截断，其支撑集仍是无界的。

已覆盖 · narrator 依次陈述均值、方差与标准差时，手写形式的汇总统计量公式被逐条添加。

已覆盖 · 旁白在直方图持续显示的同时，评述右偏态及其对 λ 的依赖关系。

已覆盖 · 新问题出现，柱状图中从 0 到 3 的各柱被高亮为红色，表示事件 $X \le 3$ 。

已覆盖 · 完整代数推导 $P(X \le 3)$ 的过程被展示，并求和得 0.326；随后旁白指出，此类计算通常借助软件完成。

已覆盖 · 文字幻灯片解释二项分布到泊松分布的极限关系，旁白将其应用于钚的衰变分析。

已覆盖 · 开篇部分陈述了二项分布到泊松分布的极限关系、规则 $\lambda=np$ 以及放射性衰变的应用实例。

已覆盖 · 第二部分解释道，泊松分布通常只是一种近似，并提醒观众：识别泊松行为可能十分困难。

已覆盖 · 无额外数学内容的品牌结尾画面。

探索视频中的知识

已审核的主题路径

泊松分布简介

把讲解展开来看。

章节

学习解说文稿

知识卡片

泊松分布所刻画的对象

泊松计数的适用条件

泊松概率质量函数

公式中 e 的含义

分母中的阶乘项

泊松随机变量的取值范围

泊松概率质量函数

泊松随机变量的均值

泊松随机变量的方差

由每秒发生率求出λ\lambdaλ

例题：在 3 秒内恰好发生 2 次衰变

解读泊松分布直方图（对应λ=4.6\lambda=4.6λ=4.6）

泊松分布的支撑集无上界

该泊松实例的均值

该泊松实例的方差

由方差求标准差

右偏度依赖于λ

累积概率作为有限和

例题演算：P(X≤3)=0.326P(X \le 3) = 0.326P(X≤3)=0.326

二项分布到泊松分布的极限关系

为何钚的衰变呈现泊松特性

二项分布到泊松分布的极限关系

近似泊松分布中的参数

放射性衰变作为泊松分布的一个实例

详细学习笔记

X

x

λ\lambdaλ

e

x!

p(x)p(x)p(x)

x

λ\lambdaλ

X

μ\muμ

σ2\sigma^2σ2

e

泊松分布是一种基于计数的离散分布。

泊松型事件计数的独立性条件

泊松型事件计数的恒定速率条件

泊松概率质量函数

欧拉数 e

阶乘示例：5!

泊松概率质量函数

泊松分布的均值

泊松分布的方差

将泊松参数按时间区间长度进行缩放

泊松随机变量的支持集

泊松分布的均值

泊松随机变量是一种计数型随机变量

导致事件计数服从泊松分布的条件

本介绍中泊松计数的支持集

泊松分布的均值与方差相等

泊松分布的结果没有上界

均值等于速率参数

方差等于速率参数

偏态程度取决于〔λ〕

在稀有事件尺度下，二项分布趋近于泊松分布

实用近似规则

放射性衰变次数能被泊松分布很好地近似。

识别服从泊松分布的随机变量可能很困难。

介绍概率质量函数（PMF）及其另一种记法

演示阶乘运算的例题，用以支撑 PMF 分母中的阶乘部分

明确支持集，从而使该概率质量函数（PMF）成为一个完整的概率分布。

将示例数值代入泊松概率质量函数

衰变实例中 P(X≤3)P(X \le 3)P(X≤3) 的推导

从二项分布的稀有事件情形到泊松近似

泊松型计数的情境化示例

阶乘计算示例

钚-239的放射性衰变示例

示例：发生不超过3次衰变的概率

示例：为何将钚的衰变建模为泊松分布

放射性衰变次数

标题卡与主题引入

计数设定幻灯片

由每秒发生率求出 $\lambda$

解读泊松分布直方图（对应 $\lambda=4.6$ ）

例题演算： $P(X \le 3) = 0.326$

$\lambda$

$p(x)$

$\lambda$

$\mu$

$\sigma^2$

衰变实例中 $P(X \le 3)$ 的推导

事件 $X \le 3$ 的红色阴影区域

视频为何在 $P(X = x)$ 上方写上 $p(x)$ ？

直方图如何呈现所计算出的概率 $P(X = 3)$ ？