速率(強度)參數(rate / intensity parameter)
每個卜瓦松過程都有一個旋鈕來設定它有多忙:速率,記作 lambda。如果公車以 lambda = 4(每小時)經過你的站牌,這一個數字就捕捉了過程速度的一切——把它調高,事件來得更密;調低,就變稀疏。它是每單位時間(或在空間版本中,每單位空間)的長期平均計數。
精確地說,lambda 是每單位時間的期望事件數,所以在長度為 t 的窗口內你期望有 lambda*t 個事件;確實,該窗口內的計數平均為 lambda*t,而且(因為卜瓦松分配的平均與變異數相等)變異數也是 lambda*t。它也控制間隔:相鄰事件之間的時間是速率 lambda 的指數分配,所以平均間隔是 1/lambda。lambda 越大,典型間隔越短、事件越多;lambda 越小,等待越久。單位必須與問題相符——「每小時 4 個」與「每分鐘 1/15 個」描述的是同一個過程。
兩個誠實的要點。第一,lambda 是速率,不是機率:它可以超過 1(例如每秒 100 個封包),因為它是每單位時間的事件數,而非某事的機會。第二,樸素的卜瓦松過程假設 lambda 恆定;當到達時快時慢(午餐尖峰、白晝)時,速率變成一個函數 lambda(t),你就有了非齊次過程。從資料估計 lambda 通常就像數事件數再除以總觀測時間那麼簡單。
在 8 小時的輪班中,某伺服器記錄了 1200 次請求。速率的估計為 lambda = 1200 / 8 = 150(每小時),即每分鐘 2.5 個。於是下一次請求的期望等待是 1/lambda = 1/2.5 = 0.4 分鐘,約 24 秒。
一個數字 lambda 同時決定平均計數(lambda*t)與平均間隔(1/lambda)。
速率不是機率——lambda 可以大於 1。每段長度 h 的微小區間的機率是 lambda*h,這「才」是機率,但僅因為 h 很小。