Вероятность распределения Пуассона - это вероятность появления определенного значения. Представьте, что вы хотите рассчитать, сколько автомобилей проходит определенную точку каждый день. Это значение будет больше в некоторые дни, но меньше в другие дни. Но при отслеживании этого в течение серьезного промежутка времени начинает появляться среднее значение, причем значения в его окрестностях встречаются чаще, а значения, находящиеся дальше (0 автомобилей в день или в десять раз), менее вероятны. & Lambda; это то, что появилось.
При отражении этого для RNG алгоритм вернет вам количество автомобилей, которые проезжали в случайный день (который выбирается равномерно). Как вы можете себе представить среднее значение & lambda; вероятнее всего возникнет, а крайности наименее вероятно появятся.
Следующая ссылка содержит пример распределения, которое имеет Пуассон, показывая дискретные результаты, которые вы получаете, и вероятность того, что у каждого из них есть:
http://www.mathworks.com/help/toolbox/stats/brn2ivz-127.html
Пример реализации может рассчитывать для каждого значения вероятность его возникновения, а затем вычислять диапазоны на основе этих значений для преобразования равномерного распределения в Пуассона. например для & лямбда; == 2 у нас есть 13% шанс на 0, 27% шанс на 1, 27% шанс на 2 ... Затем мы генерируем старое доброе равномерное случайное число от 0,0 до 1,0. Если это число <= 0,13, верните 0. Является ли это <= 0,40, верните 1. Является ли оно <= 0,67, верните 2 и т. Д ... </p>