泊松定理

泊松定理 (Poisson's Theorem)

泊松定理（Poisson's Theorem），也称小数定律或稀有事件定律，是概率论中至关重要的极限定理，阐明了在特定条件下二项分布可由泊松分布进行精确近似。该定理不仅极大简化了某些概率问题的计算，也为泊松分布在现实世界的广泛应用提供了坚实的理论基础。

定理陈述与推导思路

二项分布序列参数为n和 $p_n$，n代表伯努利试验次数，$p_n$ 为每次试验成功概率。当 $n \to \infty$ 时 $p_n \to 0$，且乘积收敛于有限正实数 $\lim np_n = \lambda > 0$，则对任意非负整数k，二项分布概率收敛于泊松分布：$\lim \binom{n}{k} p_n^k (1-p_n)^{n-k} = \lambda^k e^{-\lambda}/k!$。

推导关键步骤为：将二项系数展开 $\binom{n}{k} = n(n-1)\cdots(n-k+1)/k!$，因n远大于k，$n(n-1)\cdots(n-k+1) \sim n^k$。用 $p_n \approx \lambda/n$ 近似，$(1-p_n)^{n-k} \to e^{-\lambda}$（标准极限 $\lim(1+x/n)^n = e^x$）。三项因素综合，二项分布极限正是泊松分布概率质量函数。当n大p小，二项分布的繁琐阶乘和幂运算由简洁的泊松形式替代。

应用场景与条件

泊松近似广泛适用于稀有事件计数场景，如单位时间电话交换台呼叫次数、某地区罕见病发病率、高速公路某路段事故数、保险理赔频率等。实用条件为n"足够大"且p"足够小"，经验准则为 $n \ge 20$ 且 $p \le 0.05$，或 $n \ge 100$ 且 $np \le 10$，在此条件下泊松近似的精度令人满意。

泊松定理在统计过程控制和可靠性工程中为经典工具，缺陷计数数据如每日生产线缺陷数满足泊松分布，由此衍生泊松回归用于建模计数数据的均值结构（连接对数函数）。在金融风险中，极端事件如信用违约、操作风险损失的频率常以泊松过程建模，基于泊松定理将大量独立小概率的违约事件近似为泊松。该定理桥接了二项分布和泊松分布两大离散分布，是随机过程中泊松过程理论概率基础的核心构成部分。