統計メモ: ポアソン分布について

統計のお勉強です。今日はポアソン分布について。

ポアソン分布とは

ポアソン分布 (Poisson distribution) は、「稀にしか発生しない事象が、一定時間内にどれくらい発生するか」 をモデル化するときに使える確率分布です。 こういった事例は世の中にいくらでもあって、例えば、

• 雨の降る日数
• 来客数
• 注文数
• 事故発生数
• 不良品の個数
• サッカーの試合でのチーム別得点数

などがあります。 この確率分布の具体的な式は次のようになります。

$$ P(\textcolor{#ff0000}{x}) = \frac{e^{-\textcolor{#009900}{\lambda}} \cdot \textcolor{#009900}{\lambda}^\textcolor{#ff0000}{x}}{\textcolor{#ff0000}{x}!} $$

この \( P(x) \) を計算すると、「単位時間内に事象が \( x \) 回発生する確率」 が分かってしまうんです。 不思議ですね！ ネイピア数 \( e \) が出てくるところがロマンチックです。 この式を使うには、単位時間あたりの平均発生回数を示す \( \lambda \gt 0 \) を与えてやる必要があります。 それが唯一の情報なので、それくらいは与えてやりましょう。

\( P(x) \) の代わりに \( P(X=k) \)（あるいは \( P(X=x) \)）と表現されていることもあります。 これは、回数を表す確率変数 \( X \) の具体的な値が \( k \) であることを示しているだけで意味は同じなので、\( k \) を \( x \) と読み替えれば OK です。 確率変数 \( X \) が上記のような確率分布を持つとき、確率変数 \( X \) はポアソン分布 \( Po(\lambda) \) に従う といい、\( X \sim Po(\lambda) \) と表現します。

ポアソン分布の例題

具体的な問題を見ると、ポアソン分布の使い方は簡単に分かります。 \( P(x) \) は「単位時間内に事象が \( x \) 回発生する確率」を求める関数ですが、この \( P(x) \) が扱おうとしている「単位時間」に対して、\( \lambda \)（単位時間あたりの平均発生回数）の方の「単位時間」を揃えてやるのがポイント です。 簡単な問題から順番に見ていきます。

問題 1

1 週間に平均 2 日雨が降るとき、1 週間に 3 日雨が降る確率は？

この問題では「単位時間」が 1 週間で揃っているので、\( \lambda \) の値としては 2（1 週間あたりの平均雨天日数）をそのまま使ってやれば OK です。

• \( \lambda = 2 \) … （1 週間あたりの）平均雨天日数
• \( x = 3 \) … （1 週間あたりの）雨天日数が 3 になる確率を求めたい

$$ P(3) = \frac{e^{-2} \cdot 2^3}{3!} = \frac{1}{e^2} \cdot \frac{8}{6} \approx 0.1804 $$

よって、3 日雨が降る確率は、約 18.04 ％です。

同様に、\( P(0) \)、\( P(1) \)、\( P(2) \) を計算することで、雨がまったく降らない確率、1 日だけ降る確率、2 日降る確率を求めることができます。 雨の降る日数が 3 日以下である確率を求めたいときは、\( P(0) \) から \( P(3) \) までの確率を足し合わせる必要があります。

問題 2

1 時間あたり平均 2 人の客が来るとき、3 時間で 5 人の客が来る確率は？

このケースでは、求めるべき確率 \( P(5) \) の単位時間が 3 時間なので、\( \lambda \) の単位時間も 3 時間に合わせる 必要があります。 1 時間あたりの平均客数が 2 人なので、3 時間あたりの平均客数は \( \lambda = 6 \) 人となります。

• \( \lambda = 6 \) … （3 時間あたりの）平均客数
• \( x = 5 \) … （3 時間あたりの）客数が 5 になる確率を求めたい $$ P(5) = \frac{e^{-6} \cdot 6^5}{5!} \approx 0.1606 $$

よって、5 人の客が来る確率は、約 16.06 ％です。

問題 3

不良品率が 0.1 ％のとき、1 日の生産が 1000 個で 1 日の不良品数が 2 個以下になる確率は？

この問題では、\( \lambda \) の値として、「1 日あたりの平均不良品数」を設定します（％ではなく数にする）。 1 日あたりの生産数が 1000 個で、不良品率が 0.1 ％ということは、平均不良品数は \( \lambda = 1000 \cdot 0.001 = 1 \) となります。 不良品数が 2 個以下になる確率を求めたいときは、\( P(0) \)、\( P(1) \)、\( P(2) \) を全て求めて足し合わせる必要があります。 ポアソン分布の式は便利ですが、このようにひとつずつ足し合わせないといけないのは面倒なところですね。

• \( \lambda = 1 \) … （1 日あたりの）平均不良品数
• \( x = 0, 1, 2 \) … （1 日あたりの）不良品数が 0 or 1 or 2 になる確率を求めたい

$$ \begin{align} P(0) &= \frac{e^{-1} \cdot 1^0}{0!} \approx 0.3679 \\ P(1) &= \frac{e^{-1} \cdot 1^1}{1!} \approx 0.3679 \\ P(2) &= \frac{e^{-1} \cdot 1^2}{2!} \approx 0.1839 \\ \end{align} $$

$$ P(0) + P(1) + P(2) \approx 0.9197 $$

よって、不良品数が 2 個以下になる確率は、約 91.97 ％です。

問題 4

過去 5 年間に大きな地震が 7 回起こっています。これから 3 日の間に大きな地震が 1 回起こる確率は？

\( \lambda \) の値として、「3 日間の平均地震発生回数」を計算して代入するのがポイントです。

• \( \lambda = 7 \times \frac{3}{365 \times 5} \approx 0.0115 \) … （3 日間の）平均発生回数
• \( x = 1 \) … （3 日間の）発生回数が 1 回になる確率を求めたい

$$ P(1) = \frac{e^{-0.0115} \cdot 0.0115^1}{1!} \approx 0.01137 $$

よって、地震が 1 回発生する確率は、約 1.137 ％です。

問題 5

日本の人口は 1 億 2737 万人とします。日本全体で、過去 5 年間に平均で 20204 人/年の食中毒が発生しました。千葉県松戸市（人口 484600 人）において食中毒にかかる人が 1 人も発生しない日の確率は？

数字がいっぱい出てきますが、落ち着いて考えればこれまでの問題と同じように計算できます。 「1 人も発生しない」というのは発生回数が 0 回ということなので、\( x = 0 \) です。 よって、確率 \( P(0) \) を求める問題です。 この確率は「1 日あたり」の確率なので、平均発生回数 \( \lambda \) の単位時間も 1 日で考えます (20204 / 365)。 さらに、この平均値は日本全体での値なので、松戸市内だけの値として人数の割合 (484600 / 127370000) を掛け合わせてやる必要があります。

• \( \lambda = \frac{20204}{365} \times \frac{484600}{127370000} \approx 0.2106 \) … （松戸市での 1 日あたりの）平均発生回数
• \( x = 0 \) … （松戸市での 1 日あたりの）発生回数が 0 になる確率を求めたい

$$ P(0) = \frac{e^{-0.2106} \cdot 0.2106^0}{0!} = e^{-0.2106} \approx 0.8101 $$

よって、松戸市で 1 日に 1 人も食中毒が発生しない確率は、約 81.01 ％です。

問題 6

ある機械の単位時間あたりの修理回数を確率変数 \( X \) で表すと、\( X \) は平均回数 0.8 のポアソン分布に従います。運用コストとして \( 100 + 50 X^2 \) かかるとき、運用コストの期待値は？

この問題を解くには、ポアソン分布に従う確率変数 \( X \) の 期待値 \( \text{E}[X] \) と 分散 \( \text{V}[X] \) がどのような値になるかを知っている必要があります。 \( X \) の期待値は平均回数のことなので \( \lambda = 0.8 \) ですね。 結論から言うと、\( X \) の分散も \( \lambda \) になります（計算は省略）。 式で表現すると次のように書けます。

$$ \begin{align} \text{E}[X] &= \textcolor{#ff0000}{\lambda} \\ \text{V}[X] &= \textcolor{#ff0000}{\lambda} \end{align} $$

平均回数と分散が等しくなるというのは、ポアソン分布の面白いところです。 この問題では、運用コストが \( 100 + 50 X^2 \) になると言っているので、求めるべき運用コストの期待値は \( \text{E}[100 + 50 X^2] \) と書けます。 あとはこれを計算するだけです。

$$ \begin{align} \text{E}[100 + 50 X^2] &= 100 + 50 \text{E}[X^2] \\ &= 100 + 50 (\text{V}[X] + \text{E}[X]^2) \\ &= 100 + 50 (\lambda + \lambda^2) \\ &= 100 + 50 (0.8 + 0.8^2) \\ &= 172 \end{align} $$

よって、運用コストの期待値は 172 になります。

（おまけ）Python や Excel でポアソン分布の計算

Python の場合

Python でポアソン分布の確率質量関数 poisson() を定義する例です。

def poisson(*, lam, k):
    """
    Poisson distribution function.

    Args:
        lam (float): the average number of events in a unit of time.
        k (int): the number of events.

    Returns:
        float: the probability of k events occurring in a unit of time.
    """
    from math import exp, factorial
    return exp(-lam) * lam**k / factorial(k)


# 使用例
print("{:.4f}".format(poisson(lam=2, k=3)))  # 0.1804
print("{:.4f}".format(poisson(lam=6, k=5)))  # 0.1606

あるいは、scipy.stats モジュールが提供する poisson() 関数を使う方法もあります。

サンプルコードでは、poisson() 関数の最初の引数を * とすることで、名前付き引数の形で呼び出すことを強制しています。 こうすることで、呼び出し時に引数の順番を間違えてしまうミスをなくせます。

Excel の場合

Excel では、セルに =POISSON.DIST(イベント数, 平均, 関数形式) と入力するだけで、確率 \( P(x) \) を求められます。 各引数の意味は次の通りです。

• イベント数 … \( x \) のこと。単位時間にこの数だけ発生する確率を求めたい。
• 平均 … \( \lambda \) のこと。単位時間の平均発生回数をセットする。
• 関数形式 … TRUE なら \( x = 0～イベント数 \) の累積確率、FALSE なら \( x = イベント数 \) の確率。今回は FALSE をセットすれば OK。

例えば、

=POISSON.DIST(3, 2, FALSE)

のように入力すると、平均回数 \( \lambda = 2 \) のときに \( x = 3 \) 回発生する確率 \( P(3) \) が計算され、0.180447044 と表示されます。

関連記事

• 数学メモ: 母集団の推測方法のまとめ
• 数学メモ: 統計で使う用語のまとめ（分散や標準偏差など）
• 数学メモ: 標準正規分布を使った計算問題の例
• 統計ツール: 標準正規分布の上側確率
• 数学メモ: 共分散と相関係数
• 機械学習メモ: 分類タスクの評価 ─ ROC カーブと AUC
• 機械学習メモ: 分類タスクの評価 ─ 混同行列と 2 クラス分類の基本的な評価指標 (accuracy, error rate, recall, precision, f1-score, fβ-score)