Statistics 这会产生泊松过程吗？

我想模拟一条（很长的）公交线路，在这条线路上，随着时间的推移，公交车随机分布，但在我的公交车站，公交车到达之间的平均时间正好是20分钟。为了做到这一点，我创建了一个线性的时间带，2000万分钟，然后在这个时间间隔上随机分散100万辆公交车。我只是将标准随机浮点生成器的输出相乘（间隔[0,1]上的均匀分布））增加2000万次，生成100万次到达时间，随机分布在2000万分钟内，时间轴上的所有点的可能性都相同。这样，100万次公交车到达之间的所有时间加起来等于全长2000万分钟，平均每辆公交车之间等待20分钟

我想知道的是，这个简单的过程是否会产生一个巴士到达的泊松过程。或者这是其他过程吗？产生的过程参数是什么？有没有比我更了解统计学的人告诉我这样一个简单的均匀分布散点产生的统计过程在时间轴上记录事件？这是一种很容易使用的编程技术，所以我想确保我没有误解它

---

谢谢。

这个问题有两个方面：

• 如果你以无限分钟和无限总线为极限，那么是的，你有泊松过程

• 您描述的过程接近泊松过程，但不完全是泊松过程，因为由于总线数量有限，因此存在一点偏差，导致过程中出现一些“内存”

---

然而，当您可以使用gsl等方法产生指数偏差时，为什么要使用这种方法来近似泊松分布(http://www.gnu.org/software/gsl/)要直接获得偏差？

请澄清，当您说“公共汽车到达的泊松过程”时，您是在谈论等待时间还是其他问题？这里有编程问题吗？如果没有，我建议我们将此移到crossvalidated.com。@NPE：一种在随机时间生成事件的编程技术，可用于驱动模拟（在网站上点击），或在群集过程中测量每秒最大点击数，或计算事件之间等待时间的统计数据，或诸如此类的。@Roman:这是一种编程算法，除了在程序内之外，在任何地方都没有用，而且显然比调用统计库更简单。因为这是一种针对六年级学生的算法，只有两个月的时间通过计算机模拟回答问题的编程经验（Python）对于他的第一个科学展项目。我想引导他自己发现这个算法，他需要向评委解释他的方法。它必须是尽可能直观的算法，但必须是正确的。他会把时间安排得很长。他还会在以后重复使用它进行更多的探索。他会“发现”线性搜索和二进制搜索也是如此。他还需要一段时间才能发现指数偏差，并为GNU库做好准备。