泊松分布（Poisson Distribution）是一种 离散概率分布，用于描述在单位时间或单位面积内某种事件发生次数的概率。它是由法国数学家西莫恩·德尼·泊松（Siméon-Denis Poisson）在1838年提出的。泊松分布适用于描述发生频率相对稳定、相互独立的稀有事件，例如电话交换机接到的电话数量、网站上的访问量、某区域内的车祸次数等。
泊松分布的概率质量函数（PMF）为：
\[ P（X=k） = \frac{\lambda^k e^{-\lambda}}{k!} \]
其中：
\（ \lambda \） 是事件在单位时间或单位面积内的平均发生次数（也叫期望值、强度或率）。
\（ k \） 是观察到的事件发生的次数，取值为非负整数。
\（ e \） 是自然对数的底数，约等于 2.71828。
泊松分布的特征是期望值和方差均为 \（ \lambda \），即：
\[ E（X） = \lambda \]
\[ Var（X） = \lambda \]
这意味着在长时间或大范围的观测中，事件发生的次数在平均值附近波动。
泊松分布的一些重要性质包括：
均值和方差相等：
Poisson分布的方差等于其均数 \（ \lambda \）。
渐近正态分布：
当 \（ \lambda \） 增大时，Poisson分布逐渐逼近于正态分布。一般地，当 \（ \lambda \geq 20 \） 时，Poisson分布的资料可按正态分布处理。
二项分布的极限情形：
当试验次数 \（ n \） 很大，成功概率 \（ p \） 很小，且 \（ np = \lambda \） 为常数时，二项分布近似于Poisson分布。
可加性：
如果相互独立的 \（ k \） 个随机变量都服从Poisson分布，则它们之和仍服从Poisson分布，且其均数为 \（ k \） 个随机变量的均数之和。
泊松分布的参数 \（ \lambda \） 是描述单位时间或单位面积内随机事件平均发生次数的关键参数。泊松分布的应用非常广泛，包括服务设施到达人数、电话呼叫次数、故障数、自然灾害发生次数、产品缺陷数等。