泊松分布是一种离散概率分布，用于描述在固定时间或空间内发生某事件的平均次数。该分布由单个参数λ（事件发生的平均率）确定。泊松分布的一个重要特性是其可加性，即在不相交的时间段或空间区域内观察到的事件总数是相互独立的，并且服从各自的泊松分布，那么这些时间段或区域上的事件总数也服从一个泊松分布，其参数为各时间段或区域上泊松分布参数之和。
泊松分布的可加性公式
假设有两个独立的事件过程A和B，它们分别服从参数为λ₁和λ₂的泊松分布。即：
- 事件A在单位时间内发生的次数X服从P(λ₁)分布；
- 事件B在单位时间内发生的次数Y服从P(λ₂)分布。
如果这两个过程是独立的，则它们在单位时间内总共发生的事件数Z = X + Y将服从一个新的泊松分布，其参数为两个原始参数的和，即：
Z ~ P(λ₁ + λ₂)
这一性质可以推广到任意有限个相互独立的泊松随机变量之和。如果有n个独立的泊松随机变量，每个变量的参数分别为λ₁, λ₂, ..., λₙ，则它们的总和服从参数为Σλᵢ（i从1到n）的泊松分布。
证明思路
虽然这里不详细展开数学证明，但可以通过特征函数或者概率生成函数来证明泊松分布的可加性。核心思想是利用泊松分布的独立性质和概率的乘法原理，结合指数函数的性质来推导。
应用实例
例如，考虑一家医院的急诊室，在一天中的不同时段接收到的病人数量可能服从不同的泊松分布。如果我们知道每个时段的平均到达率，就可以利用泊松分布的可加性来计算一整天内的总到达人数及其概率分布。这对于资源规划、风险评估等场景非常有用。
总之，泊松分布的可加性是其在统计建模中的一个重要优势，使得它在处理多个独立随机事件的总和时变得尤为方便。
