À propos de cette calculatrice
Comment calculer la probabilité qu’un événement rare se produise dans un temps ou un espace déterminé ? La distribution de Poisson est l'une des distributions de probabilité discrètes les plus importantes de la théorie des probabilités, spécifiquement utilisée pour décrire la distribution de probabilité du nombre d'événements aléatoires se produisant par unité de temps (ou d'espace). La fonction de masse de probabilité de la distribution de Poisson est P(X=k) = (λᵏ × e⁻λ) / k!, où λ est le taux d'occurrence moyen et k est le nombre d'occurrences d'événements.
La distribution de Poisson a trois caractéristiques importantes : ① les événements se produisent indépendamment ; ② le taux moyen d'occurrence des événements est constant ; ③ deux événements ne se produiront pas au même instant. Lorsque ces conditions sont remplies, le nombre d'occurrences d'événements suit une distribution de Poisson. L'espérance et la variance de la distribution de Poisson sont toutes deux égales à λ.
Dans la vraie vie, la distribution de Poisson est extrêmement largement utilisée. Le nombre de visites d'un site Internet par heure, le nombre d'appels par minute vers un standard téléphonique, le nombre de patients admis aux urgences d'un hôpital par jour, le nombre de désintégrations radioactives, le nombre d'erreurs d'impression dans les livres, le nombre d'accidents de la route, etc., peuvent tous être modélisés à l'aide de la distribution de Poisson.
Notre calculateur de distribution de Poisson peut calculer rapidement la probabilité P (X=k), la probabilité cumulée P (X≤k), l'espérance, la variance et d'autres statistiques pour les valeurs de paramètres λ et k données. Des graphiques de distribution de probabilité sont également fournis pour vous aider à comprendre intuitivement les caractéristiques de la distribution de Poisson. Que les étudiants apprennent les statistiques de probabilité ou que les analystes de données effectuent de la modélisation, cet outil peut fournir des services de calcul précis et efficaces.
Ce que cela calcule
The Poisson distribution calculator finds the probability that an event occurs k times in a fixed interval when the average rate is known.
Formule
P(X = k) = e^-lambda * lambda^k / k!, where lambda is the average number of events and k is the target count.
Entrées
- lambda: the average number of events in the interval.
- k: the number of events to evaluate.
Exemple
| lambda | k | Question |
|---|---|---|
| 3 | 0 | Probability of no events when the average is 3 |
| 3 | 3 | Probability of exactly the average count |
| 5 | 8 | Probability of a higher-than-average count |
Comment interpréter le résultat
The result is the probability of exactly k events. As lambda increases, the distribution shifts right. Counts far from lambda usually have lower probability.
Erreurs courantes
- lambda must be greater than 0.
- k must be a nonnegative integer.
- Poisson distribution assumes independent events and a stable average rate.
Comment utiliser
L'utilisation du calculateur de distribution de Poisson est très simple. Tout d’abord, déterminez le taux d’occurrence moyen λ et le nombre d’événements k à compter.
**Étapes de base :** 1. Entrez le taux d'occurrence moyen λ (le nombre moyen d'événements par unité de temps ou d'espace) 2. Entrez le nombre d'événements k (pour calculer la probabilité d'occurrence k fois) 3. Sélectionnez le type de calcul (probabilité de point unique, probabilité cumulée ou probabilité d'intervalle) 4. Cliquez sur le bouton "Calculer" pour afficher les résultats
**Exemple 1 :** Un site Web enregistre en moyenne 3 visites par heure (λ=3). Trouvez la probabilité d’avoir exactement 5 visites. P(X=5) = (3⁵ × e⁻³) / 5 ! = (243 × 0,0498) / 120 ≈ 0,1008, environ 10,08 %.
**Exemple 2 :** Les urgences d'un hôpital reçoivent en moyenne 4 patients par jour (λ=4). Trouvez la probabilité de ne pas recevoir plus de 2 patients un certain jour. P(X≤2) = P(X=0) + P(X=1) + P(X=2) = e⁻⁴ + 4e⁻⁴ + 8e⁻⁴ = 13e⁻⁴ ≈ 0,2381, environ 23,81 %.
**Exemple 3 :** Un certain livre présente en moyenne 0,5 erreur d'impression par page (λ=0,5). Trouvez la probabilité qu'une certaine page contienne 3 erreurs ou plus. P(X≥3) = 1 - P(X≤2) = 1 - [P(X=0) + P(X=1) + P(X=2)] ≈ 1 - 0,9856 = 0,0144, environ 1,44 %.
La calculatrice calculera automatiquement des statistiques telles que la valeur de probabilité, l'espérance, la variance, l'écart type, etc., et tracera un graphique de distribution de probabilité.
Fonctions principales
• Probabilité ponctuelle : calculez P(X=k), la probabilité qu'un événement se produise exactement k fois. • Probabilité cumulée : calculer P(X≤k) ou P(X≥k), fonction de distribution cumulée • Probabilité d'intervalle : calculez P(a≤X≤b), la probabilité que le nombre d'occurrences d'événements se situe dans l'intervalle. • Statistiques : calcule automatiquement les attentes, la variance et l'écart type • Graphiques de probabilité : tracez les fonctions de masse de probabilité et les fonctions de distribution cumulative. • Ajustement des paramètres : prend en charge l'ajustement en temps réel de la valeur λ et l'observation des changements de distribution. • Calcul de haute précision : calculez avec précision la probabilité de valeurs λ élevées et de valeurs k élevées. • Affichage de la formule : affiche la formule de probabilité de la distribution de Poisson. • Exemples d'application : fournit des exemples de modélisation de problèmes du monde réel. • Totalement gratuit : aucune inscription requise, utilisez-le à tout moment
Cas d’utilisation
• Analyse de sites Web : prédire la distribution de probabilité des visites de sites Web • Centre d'appels : analysez le volume d'appels téléphoniques et optimisez le personnel • Gestion médicale : prévoir le nombre de patients en urgence et organiser rationnellement les ressources • Contrôle qualité : analyser le nombre de défauts du produit et évaluer la qualité de la production • Planification du trafic : prédire le nombre d'accidents de la route • Actuariat : Calculer la probabilité du nombre de sinistres • Recherche sur la radioactivité : analyser le nombre de désintégrations radioactives • Biologie : étudier le nombre de colonies bactériennes et les mutations génétiques • Apprentissage des statistiques probabilistes : les étudiants apprennent la théorie de la distribution de Poisson • Modélisation des données : créer des modèles probabilistes pour les événements rares