# Poisson Distribution

## Theory

> Ref) [Harvard Statistics110 - The Poisson distribution](https://www.youtube.com/watch?v=TD1N4hxqMzY)

### Poisson Distribution 이란?

* 표집된 단위 시간 (혹은 단위 공간)에서 발생한 사건의 도수 분포
* 단위 시간 안에 몇 번 발생할 것인지를 표현하는 이산 확률 분포
* 푸아송 분포의 기대값 및 분산은 λ

$$
f(n, \lambda)= {\lambda^ne^{-\lambda} \over n!}
$$

### PMF of Poisson Distribution

$$
f(X = k) = {{{\lambda ^k}{e^{ - \lambda }}} \over {k!}},,,,,,k \in { 0,1,2 \cdots }
$$

* Is it valid PMF?

$$
\sum\limits\_{k = 0}^\infty {{{{\lambda ^k}{e^{ - \lambda }}} \over {k!}},} = {e^{ - \lambda }}{e^\lambda } = 1
$$

* Expectation value

$$
\eqalign{ & E(X) = {e^{ - \lambda }}\sum\limits\_{k = 0}^\infty {{{k{\lambda ^k}} \over {k!}}} \cr & ,,,,,,,,,,,,,, = {e^{ - \lambda }}\sum\limits\_{k = 1}^\infty {{{{\lambda ^{k - 1}}\lambda } \over {(k - 1)!}}} = \lambda \cr}
$$

### When use?

* 주어진 시간,거리,면적 등에서 임의 사건이 발생하는 횟수를 세야 하는 경우에 적합.
  * Ex) 초당 클릭 횟수, 시간당 매장에 들어오는 사람 수, 1분에 네트워크에서 손실되는 패킷 수 등
* 굉장히 여러 번 시행하지만 성공확률이 낮은 경우에 사용.
  1. Number of emails in hour.
  2. Number of chips in chocolate chip cookies.
  3. Number of earthquakes in a year in some region.

### Poisson Paradigm (Poisson Approximation)

* Events *A\~1\~, A\~2\~, ... A\~n\~, P(A\~j\~)=p\~j\~* (*n* is large, *p\~j\~* is small)\\
* 각각의 사건들이 "independent" or "weakly independent" 하다면,

  Then # of *A\~j\~*'s that occur is approximated,

  $$
  Pois(\lambda );,,,,\lambda = \sum\limits\_{j = 1}^n {{p\_j}}
  $$

### 이항분포가 어떻게 푸아송 분포로 수렴하려는가?

$$
\eqalign{ & X \sim Bin(n,p),,,,let,,n \to \infty ,,,p \to 0,,,\lambda = np,{\rm{is}},{\rm{held}},{\rm{constant}}{\rm{.}} \cr & {\rm{Find}},{\rm{what}},{\rm{happens}},{\rm{to}},P(X = k) = \left( \matrix{ n \hfill \cr k \hfill \cr} \right){p^k}{(1 - p)^{n - k}},,,,,k,{\rm{fixed}}{\rm{.}} \cr & ,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, = {{n(n - 1) \cdots (n - k + 1)} \over {k!}}{{{\lambda ^k}} \over {{n^k}}}{\left( {1 - {\lambda \over n}} \right)^n}{\left( {1 - {\lambda \over n}} \right)^{ - k}} \cr & ,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, = {{{\lambda ^k}} \over {k!}}{e^{ - \lambda }},,,,,Poisson,PMF,at,k \cr}
$$

## Practice (MATLAB)

> Ref) [MATLAB Poisson distribution](https://kr.mathworks.com/help/stats/poisson-distribution.html)

### 푸아송 분포의 pdf 계산하기

모수 lambda=4 를 갖는 푸아송 분포의 pdf를 계산해보자.

```
x = 0:15;
y = poisspdf(x, 4);

figure();
bar(x,y,1)
xlabel('Observation')
ylabel('Probability')
```

![image-20210413200629962](https://3698175758-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-MAwtzMy_pbrChIExFtN%2Fuploads%2Fgit-blob-57b52b5489d308e5d68b7e957d49fefb7c29543f%2Fimage-20210413200629962.png?alt=media)

### 푸아송 분포의 cdf 계산하기

```
x = 0:15;
y = poisscdf(x,4);

figure;
stairs(x,y)
xlabel('Observation')
ylabel('Cumulative Probability')
```

![image-20210413200713361](https://3698175758-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-MAwtzMy_pbrChIExFtN%2Fuploads%2Fgit-blob-2ce7cc244077e4fb97c1fd1bf4ae7af7d8f6d2f6%2Fimage-20210413200713361.png?alt=media)

### 푸아송 분포 pdf와 정규분포 pdf 비교하기

labmda가 크면 푸아송 분포는 평균 lambda와 분산 lambda를 갖는 정규분포로 근사가 가능하다.

모수 labmda=50을 갖는 푸아송 분포의 pdf를 계산해보자.

```
lambda = 50;
x1 = 0:100;
y1 = poisspdf(x1, lambda);

mu = lambda;
sigma = sqrt(lambda);
x2 = 0:0.1:100;
y2 = normpdf(x2,mu,sigma);

figure;
bar(x1, y1, 1)
hold on
plot(x2, y2, 'LineWidth', 2)
xlabel('Observation')
ylabel('Probability')
title('Poisson and Normal pdfs')
legend('Poisson Distribution', 'Normal distribution', 'location', 'northwest')
hold off
```

![image-20210413201247179](https://3698175758-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-MAwtzMy_pbrChIExFtN%2Fuploads%2Fgit-blob-11571b176a5e277a59b708f95eeae413e1e29978%2Fimage-20210413201247179.png?alt=media)