文档视界 最新最全的文档下载
当前位置:文档视界 › 泊松分布的概念及表和查表方法

泊松分布的概念及表和查表方法

泊松分布的概念及表和查表方法
泊松分布的概念及表和查表方法

泊松分布的概念及表和查表方法

Poisson分布,是一种统计与概率学里常见到的离散概率分布,由法国数学家西莫恩·德

目录

1命名原因

2分布特点

3关系

4应用场景

5应用示例

6推导

7形式与性质

命名原因

泊松分布实例

泊松分布(Poisson distribution),台译卜瓦松分布(法语:loi de Poisson,英语:Poisson distribution,译名有泊松分布、普阿松分布、卜瓦松分布、布瓦松分布、布阿松分布、波以松分布、卜氏分配等),是一种统计与概率学里常见到的离散机率分布(discrete probability distribution)。泊松分布是以18~19 世纪的法国数学家西莫恩·德尼·泊松(Siméon-Denis Poisson)命名的,他在1838年时发表。这个分布在更早些时候由贝努里家族的一个人描述过。

分布特点

泊松分布的概率函数为:

泊松分布的参数λ是单位时间(或单位面积)内随机事件的平均发生次数。泊松分布适合于描述单位时间内随机事件发生的次数。

泊松分布的期望和方差均为特征函数为

关系

泊松分布与二项分布

泊松分布

当二项分布的n很大而p很小时,泊松分布可作为二项分布的近似,其中λ为np。通常当n≧20,p≦0.05时,就可以用泊松公式近似得计算。

事实上,泊松分布正是由二项分布推导而来的,具体推导过程参见本词条相关部分。应用场景

在实际事例中,当一个随机事件,例如某电话交换台收到的呼叫、来到某公共汽车站的乘客、某放射性物质发射出的粒子、显微镜下某区域中的白血球等等,以固定的平均瞬时速率λ(或称密度)随机且独立地出现时,那么这个事件在单位时间(面积或体积)内出现的次数或个数就近似地服从泊松分布P(λ)。因此,泊松分布在管理科学、运筹学以及自然科学的某些问题中都占有重要的地位(在早期学界认为人类行为是服从泊松分布,2005年在nature上发表的文章揭示了人类行为具有高度非均匀性)。

应用示例

泊松分布适合于描述单位时间(或空间)内随机事件发生的次数。如某一服务设施在一定时间内到达的人数,电话交换机接到呼叫的次数,汽车站台的候客人数,机器出现的故障数,自然灾害发生的次数,一块产品上的缺陷数,显微镜下单位分区内的细菌分布数等等。

观察事物平均发生m次的条件下,实际发生x次的概率P(x)可用下式表示:

例如采用0.05J/㎡紫外线照射大肠杆菌时,每个基因组(~4×106核苷酸对)平均产生3个嘧啶二体。实际上每个基因组二体的分布是服从泊松分布的,将取如下形式:

……

是未产生二体的菌的存在概率,实际上其值的5%与采用0.05J/㎡照射时的大肠杆菌uvrA-株,recA-株(除去既不能修复又不能重组修复的二重突变)的生存率是一致的。由于该菌株每个基因组有一个二体就是致死量,因此就意味着全部死亡的概率。

推导

泊松分布是最重要的离散分布之一,它多出现在当X表示在一定的时间或空间内出现的事件个数这种场合。在一定时间内某交通路口所发生的事故个数,是一个典型的例子。泊松分布的产生机制可以通过如下例子来解释。

为方便记,设所观察的这段时间为[0,1),取一个很大的自然数n,把时间段[0,1)分为等长的n段:

我们做如下两个假定:

1. 在每段内,恰发生一个事故的概率,近似的与这段时间的长成正比,

可设为。当n很大时,很小时,在这么短暂的一段时间内,要发生两次或

者更多次事故是不可能的。因此在这段时间内不发生事故的概率为。

2.各段是否发生事故是独立的

把在[0,1)时段内发生的事故数X视作在n个划分之后的小时段内有

事故的时段数,则按照上述两个假定,X应服从二项分布。于是,我们

注意到当取极限时,我们有

因此

从上述推导可以看出:泊松分布可作为二项分布的极限而得到。一般的说,若,其中n很大,p很小,因而不太大时,X的分布接近于泊松分布。这个事实有时可将较难计算的二项分布转化为泊松分布去计算。

形式与性质

阶乘特点以及泰勒公式使得一类期望的计算十分简便

泊松分布——概率分布表

查表方法:首先,泊松分布表的分布函数为:

F(x)=P{X<=x}=(k=0~x)Σ[λ^k*e^(-λ)]/k!,也就是泊松分布的分布率从0加到x的和。

我想你的问题应该是问如何在泊松分布表中找到P{X=x}=?

我们知道P{X=x}=P{X<=x}-P{X<=x-1}(因为泊松分布是离散型的)。

所以如果知道λ的值,在列表中找到对应的P{X<=x}与P{X<=x-1},相减就得到P{X=x}。举个例子:

参数λ=3.5时,P{X=8}是多少。我们可以在泊松分布表中找到

P{X<=8}=0.9901,P{X<=7}=0.9733;

那么P{X=8}= P{X<=8}-P{X<=7}=0.9901-0.9733=0.0168。

卡方分布表

WORD格式 x 2 分布临界值表(卡方分布) P n' 0.995 0.99 0.975 0.95 0.9 0.75 0.5 0.25 0.1 0.05 0.025 0.01 0.005 1 ????0.0 2 0.1 0.45 1.32 2.71 3.84 5.02 6.6 3 7.88 2 0.01 0.02 0.02 0.1 0.21 0.58 1.39 2.77 4.61 5.99 7.38 9.21 10.6 3 0.07 0.11 0.22 0.35 0.58 1.21 2.37 4.11 6.25 7.81 9.35 11.3 4 12.84 4 0.21 0.3 0.48 0.71 1.06 1.92 3.36 5.39 7.78 9.49 11.14 13.28 14.86 5 0.41 0.55 0.83 1.15 1.61 2.67 4.35 6.63 9.24 11.07 12.83 15.09 16.75 6 0.68 0.8 7 1.24 1.64 2.2 3.45 5.35 7.84 10.64 12.59 14.45 16.81 18.55 7 0.99 1.24 1.69 2.17 2.83 4.25 6.35 9.04 12.02 14.07 16.01 18.48 20.28 8 1.34 1.65 2.18 2.73 3.4 5.07 7.34 10.22 13.36 15.51 17.53 20.09 21.96 9 1.73 2.09 2.7 3.33 4.17 5.9 8.34 11.39 14.68 16.92 19.02 21.67 23.59 10 2.16 2.56 3.25 3.94 4.87 6.74 9.34 12.55 15.99 18.31 20.48 23.21 25.19 11 2.6 3.05 3.82 4.57 5.58 7.58 10.34 13.7 17.28 19.68 21.92 24.72 26.76 12 3.07 3.57 4.4 5.23 6.3 8.44 11.34 14.85 18.55 21.03 23.34 26.22 28.3 13 3.57 4.11 5.01 5.89 7.04 9.3 12.34 15.98 19.81 22.36 24.74 27.69 29.82 14 4.07 4.66 5.63 6.57 7.79 10.17 13.34 17.12 21.06 23.68 26.12 29.14 31.32 15 4.6 5.23 6.27 7.26 8.55 11.04 14.34 18.25 22.31 25 27.49 30.58 32.8 16 5.14 5.81 6.91 7.96 9.31 11.91 15.34 19.37 23.54 26.3 28.85 32 34.27 17 5.7 6.41 7.56 8.67 10.09 12.79 16.34 20.49 24.77 27.59 30.19 33.41 35.72 18 6.26 7.01 8.23 9.39 10.86 13.68 17.34 21.6 25.99 28.87 31.53 34.81 37.16 19 6.84 7.63 8.91 10.12 11.65 14.56 18.34 22.72 27.2 30.14 32.85 36.19 38.58 20 7.43 8.26 9.59 10.85 12.44 15.45 19.34 23.83 28.41 31.41 34.17 37.57 40 21 8.03 8.9 10.28 11.59 13.24 16.34 20.34 24.93 29.62 32.67 35.48 38.93 41.4 22 8.64 9.54 10.98 12.34 14.04 17.24 21.34 26.04 30.81 33.92 36.78 40.29 42.8 23 9.26 10.2 11.69 13.09 14.85 18.14 22.34 27.14 32.01 35.17 38.08 41.64 44.18 24 9.89 10.86 12.4 13.85 15.66 19.04 23.34 28.24 33.2 36.42 39.36 42.98 45.56 25 10.52 11.52 13.12 14.61 16.47 19.94 24.34 29.34 34.38 37.65 40.65 44.31 46.93 26 11.16 12.2 13.84 15.38 17.29 20.84 25.34 30.43 35.56 38.89 41.92 45.64 48.29 27 11.81 12.88 14.57 16.15 18.11 21.75 26.34 31.53 36.74 40.11 43.19 46.96 49.64 28 12.46 13.56 15.31 16.93 18.94 22.66 27.34 32.62 37.92 41.34 44.46 48.28 50.99 29 13.12 14.26 16.05 17.71 19.77 23.57 28.34 33.71 39.09 42.56 45.72 49.59 52.34 30 13.79 14.95 16.79 18.49 20.6 24.48 29.34 34.8 40.26 43.77 46.98 50.89 53.67 40 20.71 22.16 24.43 26.51 29.05 33.66 39.34 45.62 51.8 55.76 59.34 63.69 66.77 50 27.99 29.71 32.36 34.76 37.69 42.94 49.33 56.33 63.17 67.5 71.42 76.15 79.49 60 35.53 37.48 40.48 43.19 46.46 52.29 59.33 66.98 74.4 79.08 83.3 88.38 91.95 70 43.28 45.44 48.76 51.74 55.33 61.7 69.33 77.58 85.53 90.53 95.02 100.42 104.22 80 51.17 53.54 57.15 60.39 64.28 71.14 79.33 88.13 96.58 101.88 106.63 112.33 116.32 90 59.2 61.75 65.65 69.13 73.29 80.62 89.33 98.64 107.56 113.14 118.14 124.12 128.3 100 67.33 70.06 74.22 77.93 82.36 90.13 99.33 109.14 118.5 124.34 129.56 135.81 140.17 专业资料

泊松分布的概念及表和查表方法

目录 1命名原因 2分布特点 3关系 4应用场景 5应用示例 6推导 7形式与性质 命名原因 泊松分布实例

泊松分布(Poisson distribution),台译卜瓦松分布(法语:loi de Poisson,英语:Poisson distribution,译名有泊松分布、普阿松分布、卜瓦松分布、布瓦松分布、布阿松分布、波以松分布、卜氏分配等),是一种统计与概率学里常见到的离散机率分布(discrete probability distribution)。泊松分布是以18~19 世纪的法国数学家西莫恩·德尼·泊松(Siméon-Denis Poisson)命名的,他在1838年时发表。这个分布在更早些时候由贝努里家族的一个人描述过。 分布特点 泊松分布的概率函数为: 泊松分布的参数λ是单位时间(或单位面积)内随机事件的平均发生次数。泊松分布适合于描述单位时间内随机事件发生的次数。 泊松分布的期望和方差均为特征函数为 关系 泊松分布与二项分布 泊松分布 当二项分布的n很大而p很小时,泊松分布可作为二项分布的近似,其中λ为np。通常当n≧20,p≦时,就可以用泊松公式近似得计算。 事实上,泊松分布正是由二项分布推导而来的,具体推导过程参见本词条相关部分。 应用场景 在实际事例中,当一个随机事件,例如某电话交换台收到的呼叫、来到某公共汽车站的乘客、某放射性物质发射出的粒子、显微镜下某区域中的白血球等等,以固定的平均瞬时速率λ(或称密度)随机且独立地出现时,那么这个事件在单位时间(面积或体积)内出现的次数或个数就近似地服从泊松分布P(λ)。因此,泊松分布在管理科学、运筹学以及自然科学的某些问题中都占有重要的地位(在早期学界认为人类行为是服从泊松分布,2005年在nature上发表的文章揭示了人类行为具有高度非均匀性)。 应用示例

几个基本常数弹性模量泊松比应力应变曲线

几个基本常数弹性模量 泊松比应力应变曲线 Document serial number【UU89WT-UU98YT-UU8CB-UUUT-UUT108】

全应力-应变曲线 测量岩石的应力应变曲线一般可以有两中试验机:一种是,柔性试验机,使用这种试验机测量时,容易发发生“岩爆”现象,导致试验中不能得到峰值以后的应力应变信息。另种是,刚性试验机,这种试验机刚度比较高,有“让压”的特点,就不会有“岩爆”现象发生,可以得到全应力-应变曲线用以研究岩石破裂的性质。 刚度矩阵的物理意义: 单元刚度矩阵的物理意义,一句话概括说来就是各个节点在广义力的作用下节点的位移变化量。 强度是零件的抗应力程度,反映的是什么时候断裂,破损等 刚度反映的是变形大小,就是零件受力后的变形。 刚度矩阵和柔度矩阵的物理意义: 一般将刚度矩阵记为[D],柔度矩阵为[C],二者互为逆矩阵。

[C]矩阵中任一元素Cij的物理意义为:当微小单元体上仅作用有j 方向的单位应力增加,而其他方向无应力增量时,i方向的应变增量分量就等于Cij。 [D]矩阵中任一元素Dij的物理意义为:要使微小单元体只在j方向发生单位应变,而其他方向不允许发生应变,则必须造成某种应力组合,在这种应力组合中,i方向应力分量为Dij。 对于各向异性材料,[D]和[C]都是非对称矩阵,从机理上来说是合理的,然而它给数学模型带来复杂性,也增加了有限元计算的困难。从工程实用的角度来考虑,往往忽略这种非对称性,而处理为对称矩阵。 物理概念:杨氏模量和泊松比 在弹性范围内大多数材料服从虎克定律,即变形与受力成正比。纵向应力与纵向应变的比例常数就是材料的弹性模量E,也叫杨氏模量。而横向应变与纵向应变之比值称为泊松比μ,也叫横向变性系数,它是反映材料横向变形的弹性常数。 杨氏模量(Young's modulus)是表征在弹性限度内物质材料抗拉或抗压的物理量,它是沿纵向的弹性模量。1807年因英国医生兼物理学家(Thomas Young, 1773-1829) 所得到的结果而命名。根据,在物体的弹性限度内,应力与应变成正比,比值被称为材料的杨氏模量,它是表征材料性质的一个物理量,仅取决于材料本身的物理性质。杨氏模量的大小标志了材料的刚性,杨氏模量越大,越不容易发生形变。 FL/EA=△L,其中F是力,L是长度,E是弹性模量,A是截面积,△L是长度变化量,也就是形变。弹性模量可视为衡量材料产生弹性变形难

06二项分布及泊松分布

●Bernoulli 试验(Bernoulli T est): 将感兴趣的事件A出现的试验结果称为“成功”,事件A不出现的试验结果称为“失败”,这类试验就称为Bernoulli 试验 ●二项分布(binomial distribution): 是指在只会产生两种可能结果如阳性或阴性之一的n次独立重复试验中,当每次试验的阳性概率π保持不变时,出现阳性次数X=0,1,2,…,n的一种概率分布。 ●Poisson分布(Poisson distribution): 随机变量X服从Poisson分布式在足够多的n次独立试验中,X取值为1,2,…,的相应概率为 …的分布。 ★二项分布成立的条件: ①每次试验只能是互斥的两个结果之一;②每次试验的条件不变;③各次试验独立。 ★二项分布的图形: 当∏=0.5,二项分布图形是对称的,当∏不等于0.5,图形是偏态的,随着n增大,图形趋于对称。当n趋于无穷大时,只有∏不太靠近0或者1,二项分布近似正态分布。 ★二项分布的应用 总体率的区间估计,样本率与总体率比较,两样本率的比较 ★Poisson 分布的应用 总体均数的区间估计,样本均数与总体均数的比较,两个样本均数的比较:两个样本计数均较大时,可根据Poisson 分布的正态近似性对其进行u 检验。 ★Poisson 分布成立的条件: ①平稳性:X 的取值与观察单位的位置无关,只与观察单位的大小有关;②独立增量性:在某个观察单位上X 的取值与前面各观察单位上X 的取值无关;③普通性:在充分小的观察单位上X 的取值最多为1。 Poisson 分布,X~P(μ),X 的均数μX =μ,X的方差σ2 =μ,X的标准差σX ★Poisson分布的性质 1、总体均数λ与总体方差相等是泊松分布的重要特点。 2、当n增大,而∏很小,且n∏=λ总体均数时,二项分布近似泊松分布。 3、当总体均数增大时,泊松分布渐近正态分布,一般而言,总体均数》20时,泊松分布资料做为正态分布处理。 4、泊松分布具有可加性。 ★泊松分布的图形 当总体均数越小,分布就越偏态,当总体均数越大,泊松分布就越趋近正态分布。当总体均数小于等于1时,随X取值的变大,P(X)值反而变小;当总体均数大于1时,P(X)值先增大而后变小,若总体均数取整数时,则P(X)在X=总体均数,和X=总体均数—1取得最大值。 ★二项分布和泊松分布的特性 1.可加性 二项分布和Poisson 分布都具有可加性。 如果X1,X2,?Xk 相互独立,且它们分别服从以ni,p(i=1,2, ?,k)为参数的二项分 布,则X=X1+X2+?+Xk 服从以n,p(n=n1+n2+?+nk)为参数的二项分布。如果X1,X2,?,Xk相互独立,且它们分别服从以μi(i=1,2, ?,k)为参数的Poisson 分布,则X=X1+X2+?+Xk服从以μ(μ=μ1+μ2+?+μk)为参数的Poisson 分布。 2.近似分布

泊松分布的概念及表和查表方法

泊松分布的概念及表和查表方法 Poisson分布,是一种统计与概率学里常见到的离散概率分布,由法国数学家西莫恩·德尼·泊松(Siméon-Denis Poisson)在1838年时发表。 中文名泊松分布外文名poisson distribution 分类数学时间1838年 台译卜瓦松分布提出西莫恩·德尼·泊松 目录 1命名原因 2分布特点 3关系 4应用场景 5应用示例 6推导 7形式与性质

命名原因 泊松分布实例 泊松分布(Poisson distribution),台译卜瓦松分布(法语:loi de Poisson,英语:Poisson distribution,译名有泊松分布、普阿松分布、卜瓦松分布、布瓦松分布、布阿松分布、波以松分布、卜氏分配等),是一种统计与概率学里常见到的离散机率分布(discrete probability distribution)。泊松分布是以18~19 世纪的法国数学家西莫恩·德尼·泊松(Siméon-Denis Poisson)命名的,他在1838年时发表。这个分布在更早些时候由贝努里家族的一个人描述过。 分布特点 泊松分布的概率函数为: 泊松分布的参数λ是单位时间(或单位面积)内随机事件的平均发生次数。泊松分布适合于描述单位时间内随机事件发生的次数。 泊松分布的期望和方差均为特征函数为 关系 泊松分布与二项分布 泊松分布

当二项分布的n很大而p很小时,泊松分布可作为二项分布的近似,其中λ为np。通常当n≧20,p≦时,就可以用泊松公式近似得计算。 事实上,泊松分布正是由二项分布推导而来的,具体推导过程参见本词条相关部分。 应用场景 在实际事例中,当一个随机事件,例如某电话交换台收到的呼叫、来到某公共汽车站的乘客、某放射性物质发射出的粒子、显微镜下某区域中的白血球等等,以固定的平均瞬时速率λ(或称密度)随机且独立地出现时,那么这个事件在单位时间(面积或体积)内出现的次数或个数就近似地服从泊松分布P(λ)。因此,泊松分布在管理科学、运筹学以及自然科学的某些问题中都占有重要的地位(在早期学界认为人类行为是服从泊松分布,2005年在nature上发表的文章揭示了人类行为具有高度非均匀性)。 应用示例 泊松分布适合于描述单位时间(或空间)内随机事件发生的次数。如某一服务设施在一定时间内到达的人数,电话交换机接到呼叫的次数,汽车站台的候客人数,机器出现的故障数,自然灾害发生的次数,一块产品上的缺陷数,显微镜下单位分区内的细菌分布数等等。 观察事物平均发生m次的条件下,实际发生x次的概率P(x)可用下式表示: 例如采用㎡紫外线照射大肠杆菌时,每个基因组(~4×106核苷酸对)平均产生3个嘧啶二体。实际上每个基因组二体的分布是服从泊松分布的,将取如下形式: …… 是未产生二体的菌的存在概率,实际上其值的5%与采用㎡照射时的大肠杆菌uvrA-株,recA-株(除去既不能修复又不能重组修复的二重突变)的生存率是一致的。由于该菌株每个基因组有一个二体就是致死量,因此就意味着全部死亡的概率。 推导

常用材料弹性模量及泊松比

(《钢结构设计规范》GB 50017━ (有限元材料库的参数为:45号钢密度7890kg/m3,泊松比0.269,杨氏模量209000GP.) (HT200,弹性模量为135GPa,泊松比为0.27) (HT200 密度:7.2-7.3,弹性模量:70-80; 泊松比0.24-0.25?;热膨胀系数加热:10冷却-8) (用灰铸铁 HT200,根据资料可知其密度为7340kg/m3,弹性模量为120GPa ,泊松比为0. 25)(HT200,弹性模量E=1.22e 11 Pa, 泊松比λ=0.25,密度ρ=7800 kg/m 3) ( HT200 122 /0. 3 /7. 2 ×10 - 6) (材料HT200,密度为7. 8103 kg / m 3 ,弹性模量为 145 GPa,泊松比为0.3) ( HT200,其弹性模量 E=140GPa,泊松比μ=0.25,密度ρ=7.8×10 3 kg/m 3) (模具材料为灰口铸铁 HT200,C-3.47%,Si-2.5%,密度 7210 kg / m3 ,泊松比 0.27。) (箱体材料为HT200,其性能参数为:弹性模量E=1.4×10 11 Pa,泊松比μ=0.3,密度为ρ=7.8×10 3 kg.m -3 ) (模型材料HT200,其主要物理与机械性能参数如下:密度7.25 t/m 3 ,弹性模量126 GPa, 泊松比0.3) (垫板的材料采用 HT200, 材料相关参数查表可得, 弹性模量 E = 1120 ×10 5 N /mm 2 , 泊松比μ= 0125, 密度ρ=712 ×10 - 9 t /mm 3) 表58-23,常用材料的弹性模量,泊松比和线胀系数

数学分布(泊松分布、二项分布、正态分布、均匀分布、指数分布)生存分析贝叶斯概率公式全概率公式(新)

数学期望:随机变量最基本的数学特征之一。它反映随机变量平均取值的大小。又称期望或均值。它是简单算术平均的一种推广。例如某城市有10万个家庭,没有孩子的家庭有1000个,有一个孩子的家庭有9万个,有两个孩子的家庭有6000个,有3个孩子的家庭有3000个,则此城市中任一个家庭中孩子的数目是一个随机变量,记为X,它可取值0,1,2,3,其中取0的概率为0.01,取1的概率为0.9,取2的概率为0.06,取3的概率为0.03,它的数学期望为0×0.01+1×0.9+2×0.06+3×0.03等于1.11,即此城市一个家庭平均有小孩1.11个,用数学式子表示为:E(X)=1.11。 也就是说,我们用数学的方法分析了这个概率性的问题,对于每一个家庭,最有可能它家的孩子为1.11个。 可以简单的理解为求一个概率性事件的平均状况。 各种数学分布的方差是: 1、一个完全符合分布的样本 2、这个样本的方差 概率密度的概念是:某种事物发生的概率占总概率(1)的比例,越大就说明密度越大。比如某地某次考试的成绩近似服从均值为80的正态分布,即平均分是80分,由正态分布的图形知x=80时的函数值最大,即随机变量在80附近取值最密集,也即考试成绩在80分左右的人最多。 下图为概率密度函数图(F(x)应为f(x),表示概率密度):

离散型分布:二项分布、泊松分布 连续型分布:指数分布、正态分布、X2分布、t分布、F分布 抽样分布 抽样分布只与自由度,即样本含量(抽样样本含量)有关 二项分布(binomial distribution):例子抛硬币 1、重复试验(n个相同试验,每次试验两种结果,每种结果概率恒定———— 伯努利试验) 2、

泊松分布的概念及表和查表方法

泊松分布的概念及表和查表方法 目录 1命名原因 2分布特点 3关系 4应用场景 5应用示例 6推导 7形式与性质

命名原因 泊松分布实例 泊松分布(Poisson distribution),台译卜瓦松分布(法语:loi de Poisson,英语:Poisson distribution,译名有泊松分布、普阿松分布、卜瓦松分布、布瓦松分布、布阿松分布、波以松分布、卜氏分配等),是一种统计与概率学里常见到的离散机率分布(discrete probability distribution)。泊松分布是以18~19 世纪的法国数学家西莫恩·德尼·泊松(Siméon-Denis Poisson)命名的,他在1838年时发表。这个分布在更早些时候由贝努里家族的一个人描述过。 分布特点 泊松分布的概率函数为: 泊松分布的参数λ是单位时间(或单位面积)内随机事件的平均发生次数。泊松分布适合于描述单位时间内随机事件发生的次数。 泊松分布的期望和方差均为特征函数为 关系 泊松分布与二项分布 泊松分布 当二项分布的n很大而p很小时,泊松分布可作为二项分布的近似,其中λ为np。通常当n≧20,p≦0.05时,就可以用泊松公式近似得计算。

事实上,泊松分布正是由二项分布推导而来的,具体推导过程参见本词条相关部分。 应用场景 在实际事例中,当一个随机事件,例如某电话交换台收到的呼叫、来到某公共汽车站的乘客、某放射性物质发射出的粒子、显微镜下某区域中的白血球等等,以固定的平均瞬时速率λ(或称密度)随机且独立地出现时,那么这个事件在单位时间(面积或体积)内出现的次数或个数就近似地服从泊松分布P(λ)。因此,泊松分布在管理科学、运筹学以及自然科学的某些问题中都占有重要的地位(在早期学界认为人类行为是服从泊松分布,2005年在nature上发表的文章揭示了人类行为具有高度非均匀性)。 应用示例 泊松分布适合于描述单位时间(或空间)内随机事件发生的次数。如某一服务设施在一定时间内到达的人数,电话交换机接到呼叫的次数,汽车站台的候客人数,机器出现的故障数,自然灾害发生的次数,一块产品上的缺陷数,显微镜下单位分区内的细菌分布数等等。 观察事物平均发生m次的条件下,实际发生x次的概率P(x)可用下式表示: 例如采用0.05J/㎡紫外线照射大肠杆菌时,每个基因组(~4×106核苷酸对)平均产生3个嘧啶二体。实际上每个基因组二体的分布是服从泊松分布的,将取如下形式: …… 是未产生二体的菌的存在概率,实际上其值的5%与采用0.05J/㎡照射时的大肠杆菌uvrA-株,recA-株(除去既不能修复又不能重组修复的二重突变)的生存率是一致的。由于该菌株每个基因组有一个二体就是致死量,因此就意味着全部死亡的概率。 推导

概率论与数理统计附表1 泊松分布表

附表1 泊松分布表 ()! m P X m e m λλ-==

390.0000070.000056 附录 附录A A1 正态分布函数表 2 2 ()e d(0) 2π t x x t x Φ -∞ =-≥ ? x 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 x 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2.0 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 0.5000 0.5398 0.5793 0.6179 0.6554 0.6915 0.7257 0.7580 0.7881 0.8159 0.8413 0.8643 0.8849 0.90320 0.91924 0.93319 0.94520 0.95543 0.96407 0.97128 0.97725 0.98214 0.98610 0.98928 0.99180 0.99379 0.99534 0.99653 0.99745 0.99813 0.5040 0.5438 0.5832 0.6217 0.6591 0.6950 0.7291 0.7611 0.7910 0.8186 0.8438 0.8665 0.8869 0.90490 0.92073 0.93448 0.94630 0.95637 0.96485 0.97193 0.9778 0.98257 0.98645 0.98956 0.99202 0.99396 0.99547 0.99664 0.99752 0.99819 0.5080 0.5478 0.5871 0.6255 0.6628 0.6985 0.7324 0.7642 0.7939 0.8212 0.8461 0.8686 0.8888 0.90658 0.92220 0.93574 0.94738 0.95728 0.96562 0.97257 0.97831 0.98300 0.98679 0.98983 0.99224 0.99413 0.99560 0.99674 0.99760 0.99825 0.5120 0.5517 0.5910 0.6293 0.6664 0.7019 0.7357 0.7673 0.7967 0.8238 0.8485 0.8708 0.8907 0.90824 0.92364 0.93699 0.94845 0.95818 0.96638 0.97320 0.97882 0.98341 0.98713 0.99010 0.99245 0.99430 0.99573 0.99683 0.99767 0.99831 0.5160 0.5557 0.5948 0.6331 0.6700 0.7054 0.7389 0.7703 0.7995 0.8264 0.8508 0.8729 0.8925 0.90988 0.92507 0.93822 0.94950 0.95907 0.96712 0.97381 0.97932 0.98382 0.98745 0.99036 0.99266 0.99446 0.99586 0.99693 0.99774 0.99836 0.5199 0.5596 0.5987 0.6368 0.6736 0.7088 0.7422 0.7734 0.8023 0.8289 0.8531 0.8749 0.8944 0.91140 0.92647 0.93943 0.95053 0.95994 0.96784 0.97441 0.97982 0.98422 0.98778 0.99061 0.99286 0.99461 0.99598 0.99702 0.99781 0.99841 0.5239 0.5636 0.6026 0.6406 0.6772 0.7123 0.7454 0.7764 0.8051 0.8315 0.8554 0.8770 0.8962 0.91309 0.92785 0.94062 0.95154 0.96080 0.96856 0.97500 0.98030 0.98461 0.98809 0.99086 0.99305 0.99477 0.99609 0.99711 0.99788 0.99846 0.5279 0.5675 0.6064 0.6443 0.6808 0.7157 0.7486 0.7794 0.8078 0.8340 0.8577 0.8790 0.8980 0.91466 0.92922 0.94179 0.95254 0.96164 0.96926 0.97558 0.98077 0.98500 0.98840 0.99111 0.99324 0.99492 0.99621 0.99720 0.99795 0.99851 0.5319 0.5714 0.6103 0.6480 0.6844 0.7190 0.7517 0.7823 0.8106 0.8365 0.8599 0.8810 0.8997 0.91621 0.93056 0.94295 0.95352 0.96246 0.96995 0.97615 0.98124 0.98537 0.98870 0.99134 0.99343 0.99506 0.99632 0.99728 0.99801 0.99856 0.5359 0.5753 0.6141 0.6517 0.6879 0.7224 0.7549 0.7852 0.8133 0.8389 0.8621 0.8830 0.90147 0.91774 0.93189 0.94408 0.95449 0.96327 0.97062 0.97670 0.98169 0.98574 0.98899 0.99158 0.99361 0.99520 0.99643 0.99737 0.99807 0.99861 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2.0 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9

弹性模量E和泊松比

00EA A P ==ε σε弹性模量E 和泊松比μ的测定 拉伸试验中得到的屈服极限бb 和强度极限бS ,反映了材料对力的作用的承受能力,而延伸率δ 或截面收缩率ψ,反映了材料缩性变行的能力,为了表示材料在弹性范围内抵抗变行的难易程度,在实际工程结构中,材料弹性模量E 的意义通常是以零件的刚度体现出来的,这是因为一旦零件按应力设计定型,在弹性变形范围内的服役过程中,是以其所受负荷而产生的变性量来判断其刚度的。一般按引起单为应变的负荷为该零件的刚度,例如,在拉 压构件中其刚度为: 式中 A 0为零件的横截面积。 由上式可见,要想提高零件的刚度E A 0,亦即要减少零件的弹性变形,可选用高弹性模量的材料和适当加大承载的横截面积,刚度的重要性在于它决定了零件服役时稳定性,对细长杆件和薄壁构件尤为重要。因此,构件的理论分析和设计计算来说,弹性模量E 是经常要用到的一个重要力学性能指标。 在弹性范围内大多数材料服从虎克定律,即变形与受力成正比。纵向应力与纵向应变的比例常数就是材料的弹性模量E ,也叫杨氏模量。横向应变与纵向应变之比值称为泊松比μ,也叫横向变性系数,它是反映材料横向变形的弹性常数。 因此金属才料拉伸时弹性模量E 地测定是材料力学最主要最基本的一个实验,下面用电测法测定低碳钢弹性模量E 和泊松比μ。 (一) (一) 试验目的 1.1.用电测方法测定低碳钢的弹性模量E 及泊松比μ; 2.2.验证虎克定律; 3.3.掌握电测方法的组桥原理与应用。 (二) (二) 试验原理 1.测定材料弹性模量E 一般采用比例极限内的拉伸试验,材料在比例极限内服从虎克定律,其荷载与变形关系为: 0EA PL L ?= ? (1) 若已知载荷ΔP 及试件尺寸,只要测得试件伸长ΔL 即可得出弹性模量E 。 (2) 由于本试验采用电测法测量,其反映变形测试的数据为应变增量,即 (3) 所以(2)成为: )(A L PL E ???=0 ) (L L ??=?ε

卡方分布表

精品文档 . x 2 分布临界值表(卡方分布) n ' P 0.995 0.99 0.975 0.95 0.9 0.75 0.5 0.25 0.1 0.05 0.025 0.01 0.005 1 …………0.02 0.1 0.45 1.32 2.71 3.84 5.02 6.63 7.88 2 0.01 0.02 0.02 0.1 0.21 0.58 1.39 2.77 4.61 5.99 7.38 9.21 10.6 3 0.07 0.11 0.22 0.35 0.58 1.21 2.37 4.11 6.25 7.81 9.35 11.34 12.84 4 0.21 0.3 0.48 0.71 1.06 1.92 3.36 5.39 7.78 9.49 11.14 13.28 14.86 5 0.41 0.55 0.83 1.15 1.61 2.67 4.35 6.63 9.24 11.07 12.83 15.09 16.75 6 0.68 0.87 1.24 1.64 2.2 3.45 5.35 7.84 10.64 12.59 14.45 16.81 18.55 7 0.99 1.24 1.69 2.17 2.83 4.25 6.35 9.04 12.02 14.07 16.01 18.48 20.28 8 1.34 1.65 2.18 2.73 3.4 5.07 7.34 10.22 13.36 15.51 17.53 20.09 21.96 9 1.73 2.09 2.7 3.33 4.17 5.9 8.34 11.39 14.68 16.92 19.02 21.67 23.59 10 2.16 2.56 3.25 3.94 4.87 6.74 9.34 12.55 15.99 18.31 20.48 23.21 25.19 11 2.6 3.05 3.82 4.57 5.58 7.58 10.34 13.7 17.28 19.68 21.92 24.72 26.76 12 3.07 3.57 4.4 5.23 6.3 8.44 11.34 14.85 18.55 21.03 23.34 26.22 28.3 13 3.57 4.11 5.01 5.89 7.04 9.3 12.34 15.98 19.81 22.36 24.74 27.69 29.82 14 4.07 4.66 5.63 6.57 7.79 10.17 13.34 17.12 21.06 23.68 26.12 29.14 31.32 15 4.6 5.23 6.27 7.26 8.55 11.04 14.34 18.25 22.31 25 27.49 30.58 32.8 16 5.14 5.81 6.91 7.96 9.31 11.91 15.34 19.37 23.54 26.3 28.85 32 34.27 17 5.7 6.41 7.56 8.67 10.09 12.79 16.34 20.49 24.77 27.59 30.19 33.41 35.72 18 6.26 7.01 8.23 9.39 10.86 13.68 17.34 21.6 25.99 28.87 31.53 34.81 37.16 19 6.84 7.63 8.91 10.12 11.65 14.56 18.34 22.72 27.2 30.14 32.85 36.19 38.58 20 7.43 8.26 9.59 10.85 12.44 15.45 19.34 23.83 28.41 31.41 34.17 37.57 40 21 8.03 8.9 10.28 11.59 13.24 16.34 20.34 24.93 29.62 32.67 35.48 38.93 41.4 22 8.64 9.54 10.98 12.34 14.04 17.24 21.34 26.04 30.81 33.92 36.78 40.29 42.8 23 9.26 10.2 11.69 13.09 14.85 18.14 22.34 27.14 32.01 35.17 38.08 41.64 44.18 24 9.89 10.86 12.4 13.85 15.66 19.04 23.34 28.24 33.2 36.42 39.36 42.98 45.56 25 10.52 11.52 13.12 14.61 16.47 19.94 24.34 29.34 34.38 37.65 40.65 44.31 46.93 26 11.16 12.2 13.84 15.38 17.29 20.84 25.34 30.43 35.56 38.89 41.92 45.64 48.29 27 11.81 12.88 14.57 16.15 18.11 21.75 26.34 31.53 36.74 40.11 43.19 46.96 49.64 28 12.46 13.56 15.31 16.93 18.94 22.66 27.34 32.62 37.92 41.34 44.46 48.28 50.99 29 13.12 14.26 16.05 17.71 19.77 23.57 28.34 33.71 39.09 42.56 45.72 49.59 52.34 30 13.79 14.95 16.79 18.49 20.6 24.48 29.34 34.8 40.26 43.77 46.98 50.89 53.67 40 20.71 22.16 24.43 26.51 29.05 33.66 39.34 45.62 51.8 55.76 59.34 63.69 66.77 50 27.99 29.71 32.36 34.76 37.69 42.94 49.33 56.33 63.17 67.5 71.42 76.15 79.49 60 35.53 37.48 40.48 43.19 46.46 52.29 59.33 66.98 74.4 79.08 83.3 88.38 91.95 70 43.28 45.44 48.76 51.74 55.33 61.7 69.33 77.58 85.53 90.53 95.02 100.42 104.22 80 51.17 53.54 57.15 60.39 64.28 71.14 79.33 88.13 96.58 101.88 106.63 112.33 116.32 90 59.2 61.75 65.65 69.13 73.29 80.62 89.33 98.64 107.56 113.14 118.14 124.12 128.3 100 67.33 70.06 74.22 77.93 82.36 90.13 99.33 109.14 118.5 124.34 129.56 135.81 140.17

附表四卡方分布表

αdf 14E-050 0.0010.0040.016 2.71 3.841 5.024 6.6357.879 20.010.020.0510.1030.211 4.61 5.9917.3789.21 10.6 30.0720.120.2160.3520.584 6.257.8159.34811.3512.84 40.2070.3 0.4840.711 1.0647.789.48811.1413.2814.86 50.4120.550.831 1.145 1.619.2411.0712.8315.0916.7560.6760.87 1.237 1.635 2.20410.612.5914.4516.8118.55 70.989 1.24 1.69 2.167 2.83312 14.0716.0118.4820.28 8 1.344 1.65 2.18 2.733 3.4913.415.5117.5420.0921.969 1.735 2.09 2.7 3.325 4.16814.716.9219.0221.6723.59 10 2.156 2.56 3.247 3.94 4.865 16 18.3120.4823.2125.19 11 2.603 3.05 3.816 4.575 5.57817.319.6821.9224.7326.7612 3.074 3.57 4.404 5.226 6.30418.521.0323.3426.2228.3 13 3.565 4.11 5.009 5.8927.04219.822.3624.7427.6929.82 14 4.075 4.66 5.629 6.5717.79 21.123.6926.1229.1431.32 15 4.601 5.23 6.2627.2618.54722.32527.4930.5832.816 5.142 5.81 6.908 7.9629.31223.5 26.3 28.85 32 34.27 0.9950.990.9750.950.010.005 0.90.10.050.025

泊松比 弹性模量 剪切模量

目录 泊松比 (1) 杨氏模量 (1) 弹性模量 (2) 剪切模量 (3) 基本概念 (3) 纤维复合材料层间剪切模量测试 (3) 筑坝堆石料的剪切模量 (4) 弹性模量和切变模量 (7) 弹簧钢的切变模量取值 (8) 泊松比 法国数学家 Simeom Denis Poisson 为名。 在材料的比例极限内,由均匀分布的纵向应力所引起的横向应变与相应的纵向应变之比的绝对值。比如,一杆受拉伸时,其轴向伸长伴随着横向收缩(反之亦然),而横向应变 e' 与轴向应变 e 之比称为泊松比 V。材料的泊松比一般通过试验方法测定。 可以这样记忆:空气的泊松比为0 主次泊松比的区别Major and Minor Poisson's ratio 主泊松比PRXY,指的是在单轴作用下,X方向的单位拉(或压)应变所引起的Y 方向的压(或拉)应变 次泊松比NUXY,它代表了与PRXY成正交方向的泊松比,指的是在单轴作用下,Y 方向的单位拉(或压)应变所引起的X方向的压(或拉)应变。 PRXY与NUXY是有一定关系的: PRXY/NUXY=EX/EY 对于正交各向异性材料,需要根据材料数据分别输入主次泊松比, 但是对于各向同性材料来说,选择PRXY或NUXY来输入泊松比是没有任何区别的,只要输入其中一个即可 杨氏模量

杨氏模量(Young's modulus)是表征在弹性限度内物质材料抗拉或抗压的物理量,它是沿纵向的弹性模量。1807年因英国医生兼物理学家托马斯·杨(Thomas Young, 1773-1829) 所得到的结果而命名。根据胡克定律,在物体的弹性限度内,应力与应变成正比,比值被称为材料的杨氏模量,它是表征材料性质的一个物理量,仅取决于材料本身的物理性质。杨氏模量的大小标志了材料的刚性,杨氏模量越大,越不容易发生形变。 杨氏弹性模量是选定机械零件材料的依据之一是工程技术设计中常用的参数。杨氏模量的测定对研究金属材料、光纤材料、半导体、纳米材料、聚合物、陶瓷、橡胶等各种材料的力学性质有着重要意义,还可用于机械零部件设计、生物力学、地质等领域。 测量杨氏模量的方法一般有拉伸法、梁弯曲法、振动法、内耗法等,还出现了利用光纤位移传感器、莫尔条纹、电涡流传感器和波动传递技术(微波或超声波)等实验技术和方法测量杨氏模量。 胡克定律和杨氏弹性模量 固体在外力作用下将发生形变,如果外力撤去后相应的形变消失,这种形变称为弹性形变。如果外力后仍有残余形变,这种形变称为范性形变。 协强(ε):单位面积上所受到的力(F/S)。 协变(ζ)是指在外力作用下的相对形变(相对伸长DL/L)它反映了物体形变的大小。 胡克定律:在物体的弹性限度内,胁强于胁变成正比,其比例系数称为杨氏模量(记为Y)。用公式表达为: Y=(F·L)/(S·△L) Y在数值上等于产生单位胁变时的胁强。它的单位是与胁强的单位相同。杨氏弹性模量是材料的属性,与外力及物体的形状无关。 弹性模量 拼音:tanxingmoliang 英文名称:modulusofelasticity 定义:材料在弹性变形阶段,其应力和应变成正比例关系(即 符合胡克定律),其比例系数称为弹性模量。 单位:达因每平方厘米。 意义:弹性模量可视为衡量材料产生弹性变形难易程度的指标,其值越大,使材料发生一定弹性变形的应力也越大,即材料刚度越大,亦即在一定应力作用下,发生弹性变形越小。弹性模量E是指材料在外力作用下产生单位弹性变形所需要的应力。它是反映材料抵抗弹性变形能力的指标,相当于普通弹簧中的刚度。

相关文档