24 - 用泊松分布硬核炫技｜【如何帮鱼C书店备货】
本帖最后由 不二如是 于 2020-2-23 16:21 编辑上一讲我们通过二项分布帮小甲鱼老师解决了问题，本讲来学习泊松分布。
如果学东西只为考试，忘，是很容易滴～
但是一旦用来解决日常问题，就会记忆犹新。
回顾一下，像上一讲的二项分布可以用来解决：
**** Hidden Message *****
只要上面 3 个条件成立，放心使用二项分布来解决问题。
例如我们现在去投篮，已知投中概率 0.7，每次投 60 个，那么 10000 次模拟中：
每次投中数大于 36 个的概率有多少？
很简单，用 NumPy 中的二项分布函数：
结果 0.9622 说明投 100 轮，那么 96 次都会投中大等 36 个。
概率论公式不用，直接用 NumPy 搞定！
泊松分布（poissson）
如果你想看公式请自行搜索哈，我们直接进入人话环节。
很简单，如果鱼油理解了上面的二项分布，那么泊松分布就是它的进阶版。
如果 n 很大，p 很小（n >= 20，p <= 0.05）就可以使用泊松分布。
说的再简单就是：1000 次以上出现 1，2 次就可以用泊松分布。
例如，你撸代码，写 1000 个字符，会出现 2 个错误，那么参数 l 为次数*概率（1000*0.002）=2
那么写 10 次代码，会出现多少个错误？
就可以这么用：
poisson() 只有 1 个参数就是上面的 l 。
10 次哪里够呢，还是 10000 次：
0.0505 说明写错 5 个以上字符的概率是 0.0505 。
对比一下二项分布：
结果几乎是一样滴。
但如果 n 很小，p 大一些就是不能用泊松分布啦。
我们将二项分布改为：10，0.2 。
泊松的 l 参数还是 10*0.2=2，但看结果：
简直天壤之别！
用泊松分布的优势：
当知道 n 很大，p 又算不清。但 n*p 大概能知道的情况！
例如：
鱼C书店（传送门）的鱼小二，统计了近 10 天卖书的数量：
日期 卖数量
1 123
2 55
3 278
4 67
5 46
6 456
7 35
8 34
9 876
10 46
这个就无法用二项分布来弄了，至少说是不方便吧。
必须将时间分到足够细，才能统计单次卖出 1 本的概率。
n 和 p 我们都不好统计。
但是 n*p 的值我们大概可以算出：总销量/10 约等于 202 本。
那么就可以统计销量小于等于 250 本的概率：
这个 99% 概率说明，10 天内基本统计概率下的销量都要少于 250 本。
那么如果要储备 1 个月的囤货，买 250*30 = 7500 本就够用啦～
下一讲我们来看一点好玩的数组运算。
源代码：
如果有收获，别忘了评分{:10_281:} ：
http://xxx.fishc.com/forum/201709/19/094516hku92k2g4kefz8ms.gif
如果想看更多，请订阅 淘专辑（传送门）（不喜欢更要订阅{:10_297:} ） 天啊噜，NumPy 太好用啦！ 天啊噜，NumPy 太好用啦！ 天啊噜，NumPy 太好用啦！ 天啊噜，NumPy 太好用啦！ 天啊噜，NumPy 太好用啦！ 天啊噜，NumPy 太好用啦！ 天啊噜，NumPy 太好用啦！ 敢问最后一张图是不是配错了？不应该是plt.hist(books)的直方图？ 天啊噜，NumPy 太好用啦！ 天啊噜，NumPy 太好用啦！
页:
[1]