二项分布什么时候能用泊松分布近似,怎么取参数

作者:SeekFlaw 求瑕 内容组 · 发布于 2026-11-19 · 更新于 2026-11-19

回答

泊松定理:若 X ~ B(n, p),当 n 很大、p 很小,且 np = λ 大小适中时,P(X = k) ≈ λ^k·e^(−λ)/k!。严格的表述是 n·p_n → λ(n → ∞),所以近似的参数是 λ = np。

使用条件:n 大、p 小(罕见事件)。教材给的经验阈值略有差别,常见写法是 n 较大(如不小于 20~100)且 p 较小(如不大于 0.05~0.1),以所用教材为准。p 接近 1 时,把「成功」「失败」互换后再近似。

不要在 np 很大、p 也不小时使用,这时更适合正态近似。

例:n = 200,p = 0.01,λ = 2。P(X ≤ 1) 精确值为 0.99^200 + 200 × 0.01 × 0.99^199 = 0.4046;泊松近似 e^(−2)(1 + 2) = 0.4060,两者很接近。

依据:浙江大学《概率论与数理统计》中二项分布的泊松逼近(泊松定理)

用这个问题生成复习导图 打开官方导图,复制到我的空间

相关官方导图:概率论期末 · 随机事件与随机变量

标签:概率论二项分布泊松分布泊松定理近似计算