Kim był Siméon Denis Poisson?
Siméon Denis Poisson (1781–1840) był francuskim matematykiem i fizykiem, którego nazwisko nosi rozkład Poissona – podstawowy model liczby rzadkich zdarzeń. Pisał też o mechanice, cieple, elektryczności i magnetyzmie (Rouse Ball, 1908). Jego najważniejszą pracą probabilistyczną jest książka Recherches sur la probabilité des jugements en matière criminelle et en matière civile z 1837 r. (Seneta, 2013).
Według Rouse Balla (1908) urodził się w Pithiviers. Wuj próbował przyuczyć go do zawodu lekarza, ale po pierwszym samodzielnym przypadku, zakończonym śmiercią pacjenta, Poisson porzucił medycynę i wybrał matematykę. W wieku siedemnastu lat wstąpił do paryskiej École polytechnique, gdzie zainteresowali się nim Lagrange i Laplace, a wkrótce po studiach sam zaczął tam wykładać. Do 1815 r. był zdeklarowanym republikaninem, później poparł legitymistów, ale w polityce czynnie nie uczestniczył. Strona tytułowa Recherches wymienia go jako członka Instytutu Francji i Biura Długości oraz towarzystw królewskich w Londynie i Edynburgu i akademii m.in. w Berlinie, Sztokholmie i Petersburgu (Poisson, 1837).
Najważniejsze pomysły
- Przybliżenie dla rzadkich zdarzeń (1837). W rozdziale III Recherches (nr 81, s. 205–206) Poisson rozważa zdarzenie o bardzo małej szansie ω/μ w bardzo dużej liczbie μ prób. Prawdopodobieństwo, że zajdzie ono nie więcej niż n razy, przybliża sumą e−ω(1 + ω + ω²/2 + … + ωn/n!). To dystrybuanta dzisiejszego rozkładu Poissona – granicy rozkładu dwumianowego, gdy liczba prób rośnie, a iloczyn μ · ω/μ = ω zostaje stały.
- Nazwa „prawo wielkich liczb”. Seneta (2013) ustala, że określenie loi des grands nombres pojawia się po raz pierwszy w historii rachunku prawdopodobieństwa na s. 7 tej samej książki. Poisson widział w nim uniwersalną prawidłowość: przy wielu obserwacjach częstości stają się niemal stałe (zob. prawo wielkich liczb).
- Prawo wielkich liczb Poissona. Poisson udowodnił wersję twierdzenia Jakoba Bernoulliego, w której szansa sukcesu może być w każdej próbie inna. Według Seneta (2013) to prawdziwe uogólnienie: dla stałego p daje twierdzenie Bernoulliego, a w ogólnym przypadku pokazuje, że maleje zmienność częstości, nawet gdy średnia szansa nie stabilizuje się.
- Szerszy wpływ. Good (1986) wylicza statystyczne skutki prac Poissona: rozróżnienie dwóch rodzajów prawdopodobieństwa (chance i probabilité), porównanie dwóch proporcji i zastosowania prawnicze.
Ciekawostka
Rozkład, który dziś opisuje liczbę telefonów w centrali, wizyt w poradni czy błędów w teście, narodził się w książce o sądach. Pełny tytuł z 1837 r. zapowiada badania nad prawdopodobieństwem wyroków w sprawach karnych i cywilnych, a rozdział V w całości stosuje rachunek prawdopodobieństwa do decyzji ławy przysięgłych i trybunałów: jak prawdopodobne jest skazanie przy danej większości głosów i jak często przysięgli się mylą (Poisson, 1837). Wzór na rzadkie zdarzenia jest tu tylko narzędziem pomocniczym z rozdziału o rachunkach dla bardzo dużych liczb.
Sam Poisson zilustrował go przykładem: jeśli ω = 1, to szansa, że rzadkie zdarzenie zajdzie więcej niż dziesięć razy, wynosi według niego mniej więcej jedną stumilionową (Poisson, 1837, s. 206). Rozgłos przyszedł do wzoru dopiero ponad 60 lat później, gdy Władysław Bortkiewicz w książce o „prawie małych liczb” (1898) pokazał, że opisuje on m.in. zgony żołnierzy od kopnięć koni (Ostasiewicz, 2016).
Przykład
Przykład nie korzysta z danych Bortkiewicza (są w jego haśle), tylko odtwarza rachunek Poissona. Liczby są policzone dokładnie, bez losowania.
Najpierw przykład z 1837 r. Dla ω = 1 prawdopodobieństwo więcej niż 10 zdarzeń w rozkładzie Poissona wynosi 1.005 · 10−8 – rzeczywiście około jednej stumilionowej, jak pisał Poisson. Dokładny rozkład dwumianowy dla 1000 prób z szansą 1/1000 daje 9.6 · 10−9, a szansa, że zdarzenie nie zajdzie ani razu, to e−1 = 0.368.
Następnie porównujemy Binom(n, 2/n) z Poisson(2), czyli rozkłady o tej samej średniej liczbie zdarzeń. Prawdopodobieństwo zera zdarzeń wynosi 0.063 przy n = 4, 0.130 przy n = 50 i 0.135 przy n = 500 – tyle co w rozkładzie Poissona. Wariancja rozkładu dwumianowego np(1 − p) rośnie od 1.000 (n = 4) przez 1.600 i 1.920 do 1.992 (n = 500) i zbliża się do λ = 2 – wariancji rozkładu Poissona. Odległość całkowitej zmienności (największa możliwa różnica prawdopodobieństwa dowolnego zdarzenia w obu rozkładach) spada z 0.174 przy n = 4 do 0.0093 przy n = 50 i 0.00045 przy n = 1000; iloczyn n · odległość ustala się na około 0.45, czyli błąd przybliżenia maleje mniej więcej jak 1/n.
Na rysunku
Co widać. Praca o prawdopodobieństwie wyroków ukazała się trzy lata przed śmiercią Poissona, po latach prac z mechaniki i fizyki. Skutki przyszły później: w 1846 r. Czebyszew bronił rozprawy, której część powstała pod wpływem prawa wielkich liczb Poissona (Seneta, 2013), a w 1898 r. Bortkiewicz rozsławił jego wzór.
Na co uważać. Oś pokazuje tylko zdarzenia, których daty podają cytowane źródła. Nie ma na niej roku wstąpienia na politechnikę ani dat kolejnych stanowisk, bo Rouse Ball (1908) podaje tylko wiek (17 lat) i nie datuje posad.
Podpis do pracy:
Co widać. Przy czterech próbach rozkład dwumianowy nie dopuszcza więcej niż 4 zdarzeń, a przy n = 50 słupki prawie dotykają kółek. Panel B pokazuje to ilościowo: w skali logarytmicznej punkty leżą na prostej o nachyleniu bliskim −1, więc dziesięć razy więcej prób to mniej więcej dziesięć razy mniejszy błąd przybliżenia.
Na co uważać. Rysunek dotyczy sytuacji idealnej: niezależnych prób o tej samej szansie. W prawdziwych zliczeniach szanse różnią się między osobami i wariancja przekracza średnią (nadmierna dyspersja). Liczba λ = 2 i wartości n zostały dobrane ręcznie, żeby różnice były widoczne.
Podpis do pracy:
Gdzie spotkasz Poissona w swojej pracy
Wszędzie tam, gdzie zmienna zależna jest liczbą zdarzeń: wizyt, błędów, objawów, zakupów. W praktyce:
- liczebności o małej średniej modelujesz regresją Poissona, a nie zwykłą regresją liniową – krok po kroku pokazuje to wpis Regresja dla zliczeń krok po kroku;
- gdy osoby były obserwowane przez różny czas, uwzględniasz go jako offset;
- gdy wariancja wyraźnie przekracza średnią, przechodzisz do regresji ujemnej dwumianowej.
Spory, mity i trudne strony
- Statystyka sądowa. Rozdział V Recherches stosuje rachunek prawdopodobieństwa do wyroków ławy przysięgłych. Poisson sam przyznaje, że wymaga to założenia o rozkładzie szans pomyłki przysięgłych; hipotezę Laplace’a w tej sprawie uznaje za nie do przyjęcia i proponuje wnioskować z wyników bardzo wielu procesów (Poisson, 1837).
- Czy dowód był ścisły? Czebyszew cenił prawo wielkich liczb Poissona, ale zarzucał mu, że nie daje oszacowania błędu przybliżenia i przez to brakuje mu rygoru. Seneta (2013) zauważa też, że jedną ze swoich wersji Poisson dowodził od nowa, nie dostrzegając, że wynika ona wprost z twierdzenia Bernoulliego.
Rozkład Poissona jako granica dwumianu w R
Kod odtwarza przykład liczbowy Poissona z 1837 r., porównuje rozkład dwumianowy Binom(n, 2/n) z rozkładem Poissona dla rosnącego n, liczy odległość całkowitej zmienności i wariancje, a na końcu rysuje rysunek 2. Drugi przepis rysuje oś czasu (rysunek 1). Rysunki na stronie powstały z tych samych obiektów p1 i p2, którym podmieniono tylko motyw na motyw serwisu; dane, geometrie i skale są identyczne. Kod nie losuje.
1. Dwumian a Poisson: rysunek 2
Kod R rysunku 2
# Siméon Denis Poisson: rozkład Poissona jako granica rozkładu dwumianowego (obliczenia dokładne, bez losowania)
suppressPackageStartupMessages({library(ggplot2); library(patchwork)})
kol <- c(dwumian = "#0072B2", poisson = "#D55E00", linia = "grey30") # Okabe–Ito
motyw <- theme_minimal(base_size = 13) +
theme(panel.grid.minor = element_blank(), plot.title = element_text(face = "bold"), legend.position = "bottom")
# 1. Przykład Poissona (1837, n° 81): zdarzenie o szansie 1/mu w mu próbach, omega = 1.
# Prawdopodobieństwo, że zajdzie więcej niż 10 razy – według Poissona „około jednej stumilionowej”.
omega <- 1
signif(c(poisson_wiecej_niz_10 = 1 - ppois(10, omega),
dwumian_mu_1000 = 1 - pbinom(10, size = 1000, prob = omega / 1000),
poisson_ani_razu = dpois(0, omega)), 4)
# 2. Binom(n, lambda/n) a Poisson(lambda) dla lambda = 2 i rosnącego n
lambda <- 2
n_siatka <- c(4, 10, 50, 500)
k <- 0:8
tabela <- sapply(n_siatka, function(n) dbinom(k, size = n, prob = lambda / n))
tabela <- cbind(tabela, dpois(k, lambda))
dimnames(tabela) <- list(k = k, c(paste0("n=", n_siatka), "Poisson"))
round(tabela, 4)
# Odległość całkowitej zmienności: połowa sumy |Binom − Poisson| po wszystkich k (dokładnie, k = 0, ..., n i ogon Poissona)
tv <- function(n, lambda) {
kk <- 0:n
0.5 * (sum(abs(dbinom(kk, n, lambda / n) - dpois(kk, lambda))) + ppois(n, lambda, lower.tail = FALSE))
}
n_dlugie <- c(4, 5, 7, 10, 15, 20, 30, 50, 70, 100, 150, 200, 300, 500, 700, 1000)
odl <- data.frame(n = n_dlugie, TV = sapply(n_dlugie, tv, lambda = lambda))
odl$n_razy_TV <- odl$n * odl$TV
print(signif(odl[odl$n %in% c(4, 10, 50, 100, 500, 1000), ], 3), row.names = FALSE)
# Wariancja: dwumian n p (1 − p) dąży do lambda, czyli do wariancji rozkładu Poissona
round(sapply(n_siatka, function(n) n * (lambda / n) * (1 - lambda / n)), 3)
# Rysunek 2A: rozkłady dla kilku n (słupki) i Poisson(2) (punkty z linią)
d_bin <- data.frame(k = rep(k, length(n_siatka)), p = as.vector(tabela[, 1:4]),
n = factor(rep(paste0("n = ", n_siatka), each = length(k)), levels = paste0("n = ", n_siatka)))
d_poi <- data.frame(k = k, p = dpois(k, lambda))
pA <- ggplot(d_bin, aes(k, p)) +
geom_col(aes(fill = "Binom(n, 2/n)"), width = 0.7, alpha = 0.85) +
geom_line(data = d_poi, aes(colour = "Poisson(2)"), linewidth = 0.7, linetype = "dashed") +
geom_point(data = d_poi, aes(colour = "Poisson(2)"), shape = 21, fill = "white", size = 2.2, stroke = 1.1) +
facet_wrap(~ n, nrow = 1) +
scale_fill_manual(values = c("Binom(n, 2/n)" = kol[["dwumian"]]), name = NULL) +
scale_colour_manual(values = c("Poisson(2)" = kol[["poisson"]]), name = NULL) +
scale_x_continuous(breaks = seq(0, 8, 2)) +
labs(title = "A. Rozkład dwumianowy przy stałym np = 2", x = "Liczba zdarzeń k", y = "Prawdopodobieństwo") +
motyw
# Rysunek 2B: odległość całkowitej zmienności w skali logarytmicznej
pB <- ggplot(odl, aes(n, TV)) +
geom_line(colour = kol[["linia"]], linewidth = 0.8) +
geom_point(shape = 22, fill = kol[["dwumian"]], size = 2.6) +
scale_x_log10(breaks = c(5, 10, 50, 100, 500, 1000)) +
scale_y_log10() +
labs(title = "B. Jak szybko dwumian zbliża się do Poissona", x = "Liczba prób n (skala log)",
y = "Odległość całkowitej zmienności (log)") +
motyw
p2 <- pA / pB + plot_layout(heights = c(1, 0.9))
p2Wynik w R
poisson_wiecej_niz_10 dwumian_mu_1000 poisson_ani_razu
1.005e-08 9.600e-09 3.679e-01
k n=4 n=10 n=50 n=500 Poisson
0 0.0625 0.1074 0.1299 0.1348 0.1353
1 0.2500 0.2684 0.2706 0.2707 0.2707
2 0.3750 0.3020 0.2762 0.2712 0.2707
3 0.2500 0.2013 0.1842 0.1808 0.1804
4 0.0625 0.0881 0.0902 0.0902 0.0902
5 0.0000 0.0264 0.0346 0.0359 0.0361
6 0.0000 0.0055 0.0108 0.0119 0.0120
7 0.0000 0.0008 0.0028 0.0034 0.0034
8 0.0000 0.0001 0.0006 0.0008 0.0009
n TV n_razy_TV
4 0.174000 0.696
10 0.052200 0.522
50 0.009270 0.464
100 0.004570 0.457
500 0.000905 0.452
1000 0.000452 0.452
[1] 1.000 1.600 1.920 1.9922. Oś czasu: rysunek 1
Kod R rysunku 1
# Oś czasu: Siméon Denis Poisson, 1781–1840 – lata według cytowanych źródeł
library(ggplot2)
zdarzenia <- data.frame(
rok = c(1781, 1815, 1833, 1837, 1840, 1846, 1898),
opis = c("urodził się", "koniec okresu\nrepublikańskiego", "„Traité de mécanique”,\nwyd. 2",
"„Recherches sur la probabilité\ndes jugements”: prawo wielkich\nliczb i wzór na rzadkie zdarzenia",
"zmarł", "Czebyszew broni rozprawy\nzainspirowanej prawem Poissona",
"Bortkiewicz: „Das Gesetz\nder kleinen Zahlen”"),
rodzaj = c("życie", "życie", "publikacja", "publikacja", "życie", "kontekst", "kontekst"),
y = c(0.55, -0.55, 0.55, -1.0, 1.0, -0.45, 0.55)) # wysokość etykiety (rozsunięcie bliskich lat)
zdarzenia$wyrownanie <- c(0.5, 0.5, 0.9, 0.6, 0.3, 0, 0.5)
ksztalty <- c("życie" = 21, "publikacja" = 23, "kontekst" = 24)
kolory <- c("życie" = "grey40", "publikacja" = "#D55E00", "kontekst" = "#009E73") # Okabe–Ito
p1 <- ggplot(zdarzenia, aes(rok, 0)) +
geom_hline(yintercept = 0, colour = "grey60", linewidth = 0.8) +
geom_segment(aes(xend = rok, y = 0, yend = y), colour = "grey70") +
geom_point(aes(shape = rodzaj, fill = rodzaj), size = 4, colour = "black") +
geom_text(aes(y = y + 0.07 * sign(y), label = paste0(rok, "\n", opis), vjust = ifelse(y > 0, 0, 1), hjust = wyrownanie),
size = 3.4, lineheight = 0.9) +
scale_shape_manual(values = ksztalty, name = NULL) +
scale_fill_manual(values = kolory, name = NULL) +
scale_x_continuous(limits = c(1770, 1910), breaks = seq(1780, 1900, by = 20)) +
scale_y_continuous(limits = c(-1.6, 1.55)) +
labs(x = NULL, y = NULL) +
theme_minimal(base_size = 13) +
theme(axis.text.y = element_blank(), panel.grid = element_blank(), axis.text.x = element_text(colour = "grey30"),
legend.position = "bottom")
p1Bibliografia oprogramowania
Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (rozkłady – funkcje dbinom(), pbinom(), dpois(), ppois() z pakietu stats; rysunki – pakiety ggplot2 i patchwork). W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).
- R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
- ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
- patchwork (wersja 1.3.2): Pedersen, T. L. (2025). patchwork: The composer of plots [R package]. https://doi.org/10.32614/CRAN.package.patchwork
Najczęstsze pytania
Kim był Siméon Denis Poisson?
Francuskim matematykiem i fizykiem (1781–1840), związanym z paryską École polytechnique, autorem prac z mechaniki, teorii ciepła, elektryczności i rachunku prawdopodobieństwa. Statystycy znają go z rozkładu Poissona i z nazwy „prawo wielkich liczb”, które pochodzą z jego książki z 1837 r.
Gdzie Poisson opisał rozkład Poissona?
W książce Recherches sur la probabilité des jugements en matière criminelle et en matière civile (1837), w rozdziale o rachunkach dla bardzo dużych liczb (nr 81, s. 205–206). Podał tam przybliżenie prawdopodobieństwa, że zdarzenie o bardzo małej szansie zajdzie nie więcej niż n razy w bardzo wielu próbach.
Dlaczego rozkład Poissona to granica rozkładu dwumianowego?
Bo gdy liczba prób n rośnie, a szansa w jednej próbie maleje tak, że średnia liczba zdarzeń np = λ zostaje stała, prawdopodobieństwa dwumianowe zbliżają się do wartości rozkładu Poissona. Dla λ = 2 odległość między rozkładami spada z 0.174 przy 4 próbach do 0.00045 przy 1000.
Czy to Poisson nazwał prawo wielkich liczb?
Tak – według Seneta (2013) określenie „loi des grands nombres” pojawia się po raz pierwszy na s. 7 jego książki z 1837 r. Samo twierdzenie jest starsze: jego pierwszą wersję udowodnił Jakob Bernoulli (1713), a Poisson uogólnił je na próby o różnych szansach sukcesu.
Powiązane hasła
Poradniki, w których użyjesz tego pojęcia
Potrzebujesz wsparcia w analizie danych?
Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.
Wyceń analizęOferta dla studentówBibliografia i dalsza literatura naukowa (APA 7)
- Good, I. J. (1986). Some statistical applications of Poisson’s work. Statistical Science, 1(2), 157–170. https://doi.org/10.1214/ss/1177013690 ● Otwarty dostęp
- Ostasiewicz, K. (2016). The “pope of statistics”: Władysław Bortkiewicz and horse kicks. Śląski Przegląd Statystyczny, 15(21), 281–296. https://doi.org/10.15611/sps.2017.15.16 ● Otwarty dostęp
- Poisson, S. D. (1837). Recherches sur la probabilité des jugements en matière criminelle et en matière civile, précédées des règles générales du calcul des probabilités. Bachelier. https://archive.org/details/recherchessurlap00pois ● Otwarty dostęp: pełny tekst
- Rouse Ball, W. W. (1908). A short account of the history of mathematics (4th ed.). Macmillan. https://www.maths.tcd.ie/pub/HistMath/People/Poisson/RouseBall/RB_Poisson.html ● Otwarty dostęp
- Seneta, E. (2013). A tricentenary history of the law of large numbers. Bernoulli, 19(4), 1088–1121. https://doi.org/10.3150/12-bejsp12 ● Otwarty dostęp: pełny tekst
Cytowania BibTeX
@article{good1986some, author={Good, I. J.}, title={{Some statistical applications of Poisson’s work}}, journal={Statistical Science}, year={1986}, volume={1}, number={2}, pages={157--170}, doi={10.1214/ss/1177013690}}@article{ostasiewicz2016pope, author={Ostasiewicz, Katarzyna}, title={{The “pope of statistics”: Władysław Bortkiewicz and horse kicks}}, journal={Śląski Przegląd Statystyczny}, year={2016}, volume={15}, number={21}, pages={281--296}, doi={10.15611/sps.2017.15.16}}@book{poisson1837recherches, author={Poisson, Siméon Denis}, title={{Recherches sur la probabilité des jugements en matière criminelle et en matière civile, précédées des règles générales du calcul des probabilités}}, year={1837}, publisher={Bachelier}}@book{rouseball1908short, author={Rouse Ball, W. W.}, title={{A short account of the history of mathematics (4th ed.)}}, year={1908}, publisher={Macmillan}, url={https://www.maths.tcd.ie/pub/HistMath/People/Poisson/RouseBall/RB_Poisson.html}}@article{seneta2013tricentenary, author={Seneta, Eugene}, title={{A tricentenary history of the law of large numbers}}, journal={Bernoulli}, year={2013}, volume={19}, number={4}, pages={1088--1121}, doi={10.3150/12-bejsp12}}