ใส่อัตราเฉลี่ย λ (เหตุการณ์ต่อช่วงเวลา) และจำนวน k เพื่อรับความน่าจะเป็นปัวซองที่แน่นอน — แบบจำลองมาตรฐานสำหรับสายโทรศัพท์ต่อชั่วโมง ผู้มาถึงต่อวัน ข้อบกพร่องต่อชุด และเหตุการณ์ที่นับอื่น ๆ
เมื่อเหตุการณ์เกิดขึ้นอย่างเป็นอิสระต่อกันในอัตราเฉลี่ยที่ค่อนข้างคงที่ และคุณนับเหตุการณ์เหล่านั้นในช่วงเวลาที่กำหนด — เช่น จำนวนผู้มาถึง จำนวนสายโทรศัพท์ จำนวนคำพิมพ์ผิดต่อหน้า จำนวนการสลายตัว หากเหตุการณ์กระจุกตัวหรืออัตราแกว่งมาก แบบจำลองจะประเมินค่าสุดโต่งต่ำกว่าความจริง
ปรับสเกล λ ตามช่วงเวลา: 3 ครั้งต่อชั่วโมงคือ λ = 6 ต่อสองชั่วโมง และ λ = 0.05 ต่อนาที การแจกแจงจะเห็นเฉพาะอัตราสำหรับช่วงเวลาที่คุณเลือกเท่านั้น
โดยการรวมพจน์ที่แน่นอน P(X = i) จนถึง k — ไม่มีการประมาณ — และ P(X ≥ k) = 1 − P(X ≤ k − 1)
ทั้งสองเท่ากับ λ ความเท่ากันนั้นเป็นการตรวจสอบความเป็นจริงอย่างรวดเร็วบนข้อมูลจริง: หากความแปรปรวนสูงกว่าค่าเฉลี่ยมาก (การกระจายเกิน) Poisson อาจไม่เหมาะสม
P(X = k) = e^(−λ) λ^k ÷ k!, ประเมินในรูป log (k × ln λ − λ − ln(k!)) เพื่อความเสถียรเชิงตัวเลข ค่าเฉลี่ย = ความแปรปรวน = λ
ข้อมูลป้อนเข้า: λ = 3, k = 2.
ก้าว: 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
ผลลัพธ์: P(X = 2) = 22.40%; P(X ≤ 1) = 19.91%.
เพิ่มเครื่องคำนวณนี้ลงในเว็บไซต์หรือบล็อกของคุณเอง — ฟรีทั้งหมด ไม่ต้องสมัครสมาชิก และแสดงเวอร์ชันล่าสุดเสมอ คัดลอกโค้ดด้านล่างแล้ววางลงในหน้าของคุณในตำแหน่งที่ต้องการให้เครื่องคำนวณปรากฏ การคงบรรทัดเครดิตเล็ก ๆ “Powered by Loona Automation” ไว้ใต้ตัวฝังจะช่วยให้เครื่องมือนี้ยังคงฟรีต่อไป — แต่คุณจะปรับแต่งหรือลบออกก็ได้ เครื่องมือทำงานได้ทั้งสองแบบ