Weka kiwango cha wastani λ (matukio kwa kipindi) na hesabu k ili kupata uwezekano halisi wa Poisson — mfano sanifu kwa simu kwa saa, kuwasili kwa siku, kasoro kwa fungu na matukio mengine yaliyohesabiwa.
Wakati matukio hutokea kwa uhuru kwa kiwango cha wastani takriban cha kudumu na unayahesabu katika kipindi kisichobadilika — kuwasili, simu, makosa ya kuchapa kwa ukurasa, hesabu za kuoza. Ikiwa matukio hujikusanya au kiwango kinayumba sana, modeli hupunguza miisho.
Pima λ kwa kipindi: simu 3 kwa saa ni λ = 6 kwa saa mbili na λ = 0.05 kwa dakika. Mgawanyo huona tu kiwango cha kipindi unachochagua.
Kwa kujumlisha istilahi halisi P(X = i) hadi k — hakuna makadirio — na P(X ≥ k) = 1 − P(X ≤ k − 1).
Zote ni sawa na λ. Usawa huo ni ukaguzi wa haraka wa uhalisia kwa data halisi: ikiwa tofauti iko juu sana ya wastani (kuenea kupita kiasi), Poisson inaweza isifae.
P(X = k) = e^(−λ) λ^k ÷ k!, imetathminiwa kwa umbo la log (k × ln λ − λ − ln(k!)) kwa uthabiti wa nambari. Wastani = tofauti = λ.
Pembejeo: λ = 3, k = 2.
Hatua: 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.
Matokeo: P(X = 2) = 22.40%; P(X ≤ 1) = 19.91%.
Ongeza kikokotoo hiki kwenye tovuti au blogu yako mwenyewe — ni bure kabisa, hakihitaji kujisajili, na huonyesha kila mara toleo jipya zaidi. Nakili msimbo ulio hapa chini na uubandike kwenye ukurasa wako mahali unapotaka kikokotoo kionekane. Kuweka mstari mdogo wa sifa “Powered by Loona Automation” chini ya kipachiko husaidia kuweka zana hii bure — lakini uko huru kuupamba au kuuondoa; zana hufanya kazi kwa njia yoyote.