ポアソン分布(黒線)と、 n = 10(赤丸)、n = 20(青丸)、n = 1000(緑丸)の二項分布を比較した図。すべての分布の平均は5である。横軸は事象数kを示す。nが大きくなるにつれて、ポアソン分布は、同じ平均を持つ二項分布の近似としてますます良くなる。 確率論において、稀な事象の法則またはポアソン極限定理は、特定の条件下ではポアソン分布を二項分布の近似として使用できることを述べている。 [ 1 ]この定理はシメオン・ドニ・ポアソン(1781年- 1840年)にちなんで名付けられた。この定理の一般化が ル・カムの定理である。
初稿
仮定する
(ケース)
(その方が簡単です)。

以来

これにより

通常の生成関数
また、二項分布の通常の母関数を用いることによっても、この定理を証明できる。
![{\displaystyle G_{\operatorname {bin} }(x;p,N)\equiv \sum _{k=0}^{N}\left[{\binom {N}{k}}p^{k}(1-p)^{Nk}\right]x^{k}={\Big [}1+(x-1)p{\Big ]}^{N}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/84f0051a42e4b4e3ad464aa8519f814360e3697c)
二項定理により、極限をとる
製品を維持しながら
一定であることから、次のことがわかる。
![{\displaystyle \lim _{N\rightarrow \infty }G_{\operatorname {bin} }(x;p,N)=\lim _{N\rightarrow \infty }\left[1+{\frac {\lambda (x-1)}{N}}\right]^{N}=\mathrm {e} ^{\lambda (x-1)}=\sum _{k=0}^{\infty }\left[{\frac {\mathrm {e} ^{-\lambda }\lambda ^{k}}{k!}}\right]x^{k}}](https://wikimedia.org/api/rest_v1/media/math/render/svg/20230fc7a78091820f40495f377f27f4e36bb848)
これはポアソン分布のOGF(正規化母関数)です。(2番目の等式は指数関数の定義により成り立ちます。)