生活中的泊松分布（为什么你等的公交车总不来）Python模拟的结果图直观展示

本文通过分析深圳湾至天水围的公交线路，探讨了乘客在不同站点的平均候车时间。利用Python模拟展示了泊松过程，揭示了候车时间的分布规律。在始发站，平均候车时间为3分钟；而在天水围站，由于非均匀的到达间隔，平均候车时间是6分钟。这种现象解释了远离总站的站点乘客感受到的候车时间更长，类似于“幸存者偏差”。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

深圳湾公交车总站，每6分钟发出一辆开往天水围站的公交车．由于随机因素的干扰，汽车到达天水围站时，两车之间的间隔时间成为独立同分布，服从指数分布的随机变量．设乘客甲等可能地到达车站候车，计算
（1）他在深圳湾站候车时的平均候车时间；
（2）他在天水围站候车时的平均候车时间．
解（1）用T表示甲到达深圳湾站的时间．对于任何长度为6分钟的发车间隔（0，6]，已知T∈（0，6]时，T在（0，6]中均匀分布．所以平均候车时间是3分钟．

（2）根据题意，公交车按照强度为λ的泊松过程{N（t）}到达天水围站．由于这路公交车都要经过天水围站，所以平均每6分钟停靠一辆，即有EN（6）＝6λ＝1．于是λ＝1/6．按照剩余寿命的定义，在t时到达的乘客的候车时间为R（t）．从R（t）～ε（λ）知道平均候
车时间为ER（t）＝6（分钟）．下面的示意图表示在深圳湾站的等间隔发车，到达时刻T等可能地落在任何发车间隔内．而公交车在天水围站的到达不再是等间隔的，甲的到达时刻T落在间隔较大的区间内的概率更大．落在[0,30]等待时间的概率几乎为1.因此等待时间的采样区间通常是在较大的区间内取得的，当其等待时间的期望值越大，其等待时间取到一个大于期望值的概率也就越大。
在这里插入图片描述

当我用python对车辆到达天水围站的泊松过程的CDF进行模拟后，更直观地显示了：等待时间的采样区间通常是在较大的区间内取得的，当其等待时间的期望值越大，其等待时间取到一个大于期望值的概率也就越大。因此等待时间大于6分钟的概率是比小于6分钟的概率大的：

from scipy import stats
import numpy as np
import matplotlib.pyplot as plt
 
plt.<