Εισαγάγετε τον μέσο ρυθμό λ (γεγονότα ανά περίοδο) και έναν αριθμό k για να λάβετε ακριβείς πιθανότητες Poisson — το τυπικό μοντέλο για κλήσεις ανά ώρα, αφίξεις ανά ημέρα, ελαττώματα ανά παρτίδα και άλλα μετρούμενα γεγονότα.
Όταν συμβάντα συμβαίνουν ανεξάρτητα με περίπου σταθερό μέσο ρυθμό και τα μετράτε σε σταθερή περίοδο — αφίξεις, κλήσεις, τυπογραφικά λάθη ανά σελίδα, μετρήσεις αποσύνθεσης. Αν τα συμβάντα συσσωρεύονται ή ο ρυθμός ταλαντεύεται άγρια, το μοντέλο υποτιμά τα ακραία.
Κλιμακώστε το λ με την περίοδο: 3 κλήσεις ανά ώρα είναι λ = 6 ανά δύο ώρες και λ = 0.05 ανά λεπτό. Η κατανομή βλέπει πάντα μόνο τον συντελεστή για την περίοδο που επιλέγετε.
Αθροίζοντας τους ακριβείς όρους P(X = i) έως k — χωρίς προσεγγίσεις — και P(X ≥ k) = 1 − P(X ≤ k − 1).
Και τα δύο ισούνται με λ. Αυτή η ισότητα είναι ένας γρήγορος έλεγχος πραγματικότητας σε πραγματικά δεδομένα: αν η διακύμανση είναι πολύ πάνω από τον μέσο όρο (υπερδιασπορά), το Poisson μπορεί να μην ταιριάζει.
P(X = k) = e^(−λ) λ^k ÷ k!, αξιολογημένο σε λογαριθμική μορφή (k × ln λ − λ − ln(k!)) για αριθμητική σταθερότητα. Μέσος όρος = διακύμανση = λ.
Εισαγωγές: λ = 3, k = 2.
Βήματα: P(X = 2) = e^(−3) × 3² ÷ 2! = 0.049787 × 9 ÷ 2 = 0.049787 × 4.5 = 0.2240. P(X ≤ 1) = e^(−3) × (1 + 3) = 0.049787 × 4 = 0.1991.
Αποτέλεσμα: P(X = 2) = 22.40%; P(X ≤ 1) = 19.91%.
Προσθέστε αυτόν τον υπολογιστή στον δικό σας ιστότοπο ή ιστολόγιο — είναι εντελώς δωρεάν, δεν χρειάζεται εγγραφή, και εμφανίζει πάντα την τελευταία έκδοση. Αντιγράψτε τον παρακάτω κώδικα και επικολλήστε τον στη σελίδα σας όπου θέλετε να εμφανίζεται ο υπολογιστής. Η διατήρηση της μικρής γραμμής πίστωσης “Powered by Loona Automation” κάτω από την ενσωμάτωση βοηθά να παραμείνει αυτό το εργαλείο δωρεάν — αλλά είστε ελεύθεροι να τη μορφοποιήσετε ή να την αφαιρέσετε· το εργαλείο λειτουργεί έτσι κι αλλιώς.