什么是泊松分布呢？

泊松分布（Poisson Distribution）是概率论与统计学中最重要的分布之一。它专门用来描述和预测在一段固定的时间、空间或体积内，某种“罕见且独立”的事件发生特定次数的概率。

什么是泊松分布？

我们可以把泊松分布看作是用来数“点”的数学工具。只要这些事件的发生是随机的、相互独立的，并且长期来看有一个稳定的平均发生率，就可以使用泊松分布。

它的数学公式如下。假设在一段时间内，某事件平均发生的次数（期望值）是 $\lambda$（Lambda），那么该事件刚好发生 $k$ 次的概率为：

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

其中 $e$ 是自然对数的底数（约等于 2.71828），$k!$ 代表 $k$ 的阶乘。

从上图可以看出，当平均发生次数（$\lambda$）较小时，分布是向右偏斜的；随着 $\lambda$ 的增大，分布会越来越对称，呈现出类似钟形的曲线（即接近正态分布）。

你可以通过下方的交互工具，拖动滑块改变 $\lambda$ 的值，实时观察泊松分布形态的变化规律：

谁发现的？前因后果是什么？

• 发现者： 法国数学家、物理学家西莫恩·德尼·泊松（Siméon Denis Poisson）。
• 前因（司法审判的概率探讨）： 19世纪30年代，法国正在经历司法改革。泊松将概率论引入社会科学，他特别想研究法国陪审团在刑事和民事案件中“误判”的概率。
• 发现过程： 1837年，泊松在《关于刑事和民事案件审判概率的研究》一书中首次提出了这个分布。在数学推导上，他是从“二项分布”（抛硬币模型）中得出这个极限情况的：当试验的总次数非常极大（$n \to \infty$），而每次成功的概率非常极小（$p \to 0$），只要两者的乘积（即期望值 $\lambda = np$）保持恒定，就可以用泊松分布来极大地简化计算。
• 后果（马踢死人事件与发扬光大）： 虽然泊松发明了公式，但他并没有将其广泛应用到现实数据中。真正让泊松分布名扬天下的是俄裔德国统计学家拉迪斯劳斯·冯·博尔特凯维奇。1898年，博尔特凯维奇收集了普鲁士军队20年间的数据，用泊松分布完美拟合了“每年被马踢死的骑兵人数”。这个经典的案例证明了该理论在现实生活中极高的预测准确度，从此泊松分布成为了统计学界的基石之一。

主要应用领域

今天，只要符合“低概率、大基数、独立发生”的事件，几乎都在泊松分布的管辖范围内。它的应用领域包括但不限于：

• 排队论与服务系统： 预测客服中心在一天内某小时接到的电话数量，或者银行柜台每十分钟迎来的客户数。这直接决定了企业需要排班多少人。
• 交通流量控制： 估算某一个十字路口在早高峰时段发生交通事故的次数，或者某段高速公路一小时内通过的车辆数。
• 医疗与流行病学： 计算某个城市一年内出现某种极其罕见疾病的患者数量，或者化验时一滴血液样本中特定细胞的个数。
• 网络与工程质量： 预测服务器每秒钟遭遇的网络攻击次数，或者在生产流水线上，每生产1000米电缆出现的瑕疵点数量。
• 物理与自然科学： 计算一定质量的放射性同位素在单位时间内的衰变次数，或某区域内百年一遇特大地震的发生概率。

详细讲一下普鲁士军队马踢死人事件

这是一个关于“死神如何掷骰子”的经典真实故事。在统计学历史上，被称为“普鲁士军队马踢死人事件”。

正是这个带着一丝黑色幽默的离奇案例，将原本束之高阁的“泊松分布”公式，变成了现代科学不可或缺的工具。

第一幕：铁血军队中的随机死神

时间回到19世纪末的德意志帝国（普鲁士）。那个时代，普鲁士军队以铁血和纪律闻名于世，而骑兵军团更是军队的绝对精锐。

在这个庞大的战争机器里，军队总参谋部面临着一个尴尬且无奈的非战斗减员问题：每年都会有一些倒霉的骑兵，在马厩里被脾气暴躁的马活活踢死。

在任何人看来，这完全是纯粹的“意外”。

• 马什么时候发脾气？没人知道。
• 哪匹马会踢人？没人知道。
• 哪个士兵会刚好站在马蹄子后面被踢中要害？更没人知道。

这种“马踢死人”的事件发生概率极低，且毫无规律可言。军官们只能将其归咎于运气不好。但有一位统计学家不信邪，他相信：即使是极端的混沌和随机，在宏观尺度上，也必然服从某种幽暗的法则。

第二幕：寻找“小数定律”的人

这位挑战者叫拉迪斯劳斯·冯·博尔特凯维奇（Ladislaus von Bortkiewicz），一位在德国工作的俄裔统计学家。

1898年，他正在撰写一本名为《小数定律》（Das Gesetz der kleinen Zahlen）的著作。为了证明自己的理论，他翻开了普鲁士军队的历史档案，提取了一组非常独特的数据：

他追踪了 14个骑兵军团，在过去 20年间（1875年 - 1894年）的所有马踢死人记录。
14个军团 × 20年 = 280个“军团-年”（这是他的样本总数）。

在这280个观察样本中，一共发生了 196起 被马踢死的惨剧。
简单计算一下平均值（$\lambda$）：196 ÷ 280 = 0.7。
也就是说，平均每个军团每年会因为马踢死 0.7人。

博尔特凯维奇想验证的是：如果把这个平均值 $\lambda = 0.7$ 代入西莫恩·泊松在60多年前发明的那个无人问津的公式中，能否预测现实？

第三幕：数学与现实的惊人吻合

博尔特凯维奇用泊松公式 $P(X=k) = \frac{0.7^k e^{-0.7}}{k!}$，计算出了每个军团每年死于马蹄下0人、1人、2人乃至更多人的“理论预期次数”，并将其与普鲁士军队档案中的“真实发生次数”并排放在了一起。

当他列出那张后来震惊世界的表格时，所有人都倒吸了一口凉气：

(注：总计280个观察样本)

这两列数字的咬合程度，堪称恐怖。

那些看起来毫无头绪、纯看运气的随机惨剧——脾气暴躁的马、粗心大意的士兵、刚好踢中心脏的致命角度——当这些无数个不可控的微观变量叠加在一起时，宏观上竟然精确地踩在了冰冷的数学公式上。

上帝不仅掷骰子，而且骰子的点数完全在泊松分布的掌控之中。

尾声：从小马厩到大千世界

博尔特凯维奇的《小数定律》一经出版，这个“马踢死人”的案例瞬间在科学界引爆。

科学家们突然意识到，泊松分布不是一个无聊的黑板公式，它是“罕见事件的终极预言家”。

从那一天起，世界各地的学者开始疯狂寻找现实中的“马蹄子”：

• 1910年，卢瑟福和盖革在显微镜下数放射性物质发射出的 $\alpha$ 粒子，发现粒子撞击屏幕的次数完全吻合马踢死人的规律（泊松分布）。
• 二战期间，英国统计学家分析了德军V-1飞弹落在伦敦市区的弹着点，发现轰炸位置的分布也是完美的泊松分布。
• 直到今天，从互联网服务器的崩溃次数、金融市场的极端黑天鹅事件、到DNA序列中的基因突变，一切低概率随机事件的背后，都飘荡着普鲁士军马的幽灵。

这个故事告诉我们：个体的命运或许是不可预测的盲盒，但群体的宿命却是写在数学书里的剧本。