在Python中使用泊松分布绘制随机数

我试图模仿一次偶遇，但我不知道如何做到这一点。我想使用泊松分布，但我愿意接受其他建议

---

这个想法是这样的：有一个中心的地方，你可以满足人们。如果在这个地方有10人（最少），你将有100%的机会遇到一个特定的人（例如，机会=1）。如果这个地方有6000人（最多），你会见每个人的机会是3.5%，你会遇到一个特定的人（例如，机会=0.035）。如何使用Python实现这一点？

不太确定是否可以在没有μ的情况下进行泊松分布

此函数将返回一个基于n的机会，n是人数，以及给定的最大值和最小值。在该计算中，标准化值每增加1点，概率将减半至某一点，即log（0.035）/log（0.5）或约4.83650，因为0.5**4.83650≈ 0.035. 也就是说，当n=最大值时，概率为0.035，当n=最小值时，概率为1

导入数学
def chance（n）：#n是人数
最大值=6000
最小值=10
归一化=（（n-最小值）/（最大值-最小值））*（math.log（0.035）/math.log（0.5））
概率=0.5**标准化
返回概率

您的问题不清楚。大声朗读下一个到最后一个句子。此外，两个数据点太少，无法推断泊松分布。如果不讨论lambda，就不可能得出分布的形状。最后，泊松分布中的事件是独立的。我怀疑在一个10人的群体中，你能做出这样的假设。回去先算算。泊松分布不是正确的分布，除非你试图计算发生的偶遇次数。此外，这不是一个编程问题，这是一个概率/统计问题。在我看来，它应该是属于你的。我鼓励您澄清您的措辞，并在该网站而不是本网站上再次询问。