เกี่ยวกับเครื่องคิดเลขนี้
จะคำนวณความน่าจะเป็นของเหตุการณ์ที่เกิดขึ้นได้ยากในช่วงเวลาหรือพื้นที่ที่กำหนดได้อย่างไร? การแจกแจงแบบปัวซองเป็นหนึ่งในการแจกแจงความน่าจะเป็นแบบแยกส่วนที่สำคัญที่สุดในทฤษฎีความน่าจะเป็น ซึ่งใช้เพื่ออธิบายการแจกแจงความน่าจะเป็นของจำนวนเหตุการณ์สุ่มที่เกิดขึ้นต่อหน่วยเวลา (หรือปริภูมิ) โดยเฉพาะ ฟังก์ชันมวลความน่าจะเป็นของการแจกแจงแบบปัวซองคือ P(X=k) = (แลมบ์ดา × e⁻แล) / k! โดยที่ แลคืออัตราการเกิดขึ้นโดยเฉลี่ย และ k คือจำนวนเหตุการณ์ที่เกิดขึ้น
การแจกแจงแบบปัวซองมีลักษณะสำคัญ 3 ประการ: 1 เหตุการณ์เกิดขึ้นอย่างเป็นอิสระต่อกัน ② อัตราเฉลี่ยของการเกิดเหตุการณ์คงที่ 3 เหตุการณ์สองเหตุการณ์จะไม่เกิดขึ้นพร้อมกัน เมื่อตรงตามเงื่อนไขเหล่านี้ จำนวนเหตุการณ์ที่เกิดขึ้นจะเป็นไปตามการแจกแจงแบบปัวซอง ความคาดหวังและความแปรปรวนของการแจกแจงปัวซองมีค่าเท่ากับ แล
ในชีวิตจริง การแจกแจงแบบปัวซองมีการใช้กันอย่างแพร่หลายมาก จำนวนการเข้าชมเว็บไซต์ต่อชั่วโมง จำนวนการโทรต่อนาทีไปยังแผงสวิตช์โทรศัพท์ จำนวนผู้ป่วยที่เข้ารับการรักษาในห้องฉุกเฉินของโรงพยาบาลต่อวัน จำนวนการสลายตัวของสารกัมมันตภาพรังสี จำนวนข้อผิดพลาดในการพิมพ์ในหนังสือ จำนวนอุบัติเหตุจราจร ฯลฯ ทั้งหมดนี้สามารถสร้างแบบจำลองได้โดยใช้การกระจายปัวซอง
เครื่องคำนวณการแจกแจงปัวซองของเราสามารถคำนวณความน่าจะเป็น P (X=k) ความน่าจะเป็นสะสม P (X≤k) ความคาดหมาย ความแปรปรวน และสถิติอื่นๆ สำหรับค่าพารามิเตอร์ γ และ k ที่กำหนดได้อย่างรวดเร็ว นอกจากนี้ยังมีแผนภูมิการกระจายความน่าจะเป็นเพื่อช่วยให้คุณเข้าใจถึงคุณลักษณะของการแจกแจงแบบปัวซองอย่างสังหรณ์ใจ ไม่ว่านักเรียนจะเรียนรู้สถิติความน่าจะเป็นหรือนักวิเคราะห์ข้อมูลกำลังสร้างโมเดล เครื่องมือนี้สามารถให้บริการการคำนวณที่แม่นยำและมีประสิทธิภาพได้
คำนวณอะไร
The Poisson distribution calculator finds the probability that an event occurs k times in a fixed interval when the average rate is known.
สูตร
P(X = k) = e^-lambda * lambda^k / k!, where lambda is the average number of events and k is the target count.
ข้อมูลนำเข้า
- lambda: the average number of events in the interval.
- k: the number of events to evaluate.
ตัวอย่าง
| 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 |
วิธีตีความผลลัพธ์
The result is the probability of exactly k events. As lambda increases, the distribution shifts right. Counts far from lambda usually have lower probability.
ข้อผิดพลาดที่พบบ่อย
- lambda must be greater than 0.
- k must be a nonnegative integer.
- Poisson distribution assumes independent events and a stable average rate.
วิธีใช้
การใช้เครื่องคำนวณการกระจายปัวซองนั้นง่ายมาก ขั้นแรก ให้กำหนดอัตราการเกิดเฉลี่ย แล และจำนวนเหตุการณ์ k ที่จะนับ
**ขั้นตอนพื้นฐาน:** 1. ป้อนอัตราการเกิดเฉลี่ย แล (จำนวนเหตุการณ์เฉลี่ยต่อหน่วยเวลาหรือพื้นที่) 2. ใส่จำนวนเหตุการณ์ k (เพื่อคำนวณความน่าจะเป็นที่จะเกิดขึ้น k ครั้ง) 3. เลือกประเภทการคำนวณ (ความน่าจะเป็นจุดเดียว ความน่าจะเป็นสะสม หรือความน่าจะเป็นช่วงเวลา) 4. คลิกปุ่ม "คำนวณ" เพื่อดูผลลัพธ์
**ตัวอย่างที่ 1:** เว็บไซต์มีการเข้าชมเฉลี่ย 3 ครั้งต่อชั่วโมง (γ=3) ค้นหาความน่าจะเป็นที่มีการเข้าชม 5 ครั้งพอดี P(X=5) = (3⁵ × e⁻³) / 5! = (243 × 0.0498) / 120 data 0.1008 ประมาณ 10.08%
**ตัวอย่างที่ 2:** ห้องฉุกเฉินของโรงพยาบาลรับผู้ป่วยโดยเฉลี่ย 4 คนทุกวัน (แล = 4) จงหาความน่าจะเป็นที่จะรับผู้ป่วยไม่เกิน 2 คนในวันหนึ่งๆ P(X≤2) = P(X=0) + P(X=1) + P(X=2) = e⁻⁴ + 4e⁻⁴ + 8e⁻⁴ = 13e⁻⁴ หยาบคาย 0.2381 ประมาณ 23.81%
**ตัวอย่างที่ 3:** หนังสือบางเล่มมีข้อผิดพลาดในการพิมพ์โดยเฉลี่ย 0.5 ต่อหน้า (แล = 0.5) ค้นหาความน่าจะเป็นที่หน้าบางหน้ามีข้อผิดพลาด 3 ข้อขึ้นไป P(X≥3) = 1 - P(X≤2) = 1 - [P(X=0) + P(X=1) + P(X=2)] µ 1 - 0.9856 = 0.0144 ประมาณ 1.44%
เครื่องคิดเลขจะคำนวณสถิติโดยอัตโนมัติ เช่น ค่าความน่าจะเป็น ความคาดหมาย ความแปรปรวน ส่วนเบี่ยงเบนมาตรฐาน ฯลฯ และวาดกราฟการกระจายความน่าจะเป็น
คุณสมบัติหลัก
• ความน่าจะเป็นจุดเดียว: คำนวณ P(X=k) ความน่าจะเป็นที่เหตุการณ์จะเกิดขึ้น k ครั้ง • ความน่าจะเป็นสะสม: คำนวณ P(X≤k) หรือ P(X≥k) ฟังก์ชันการแจกแจงสะสม • ความน่าจะเป็นเป็นช่วง: คำนวณ P(a≤X≤b) ความน่าจะเป็นที่จำนวนเหตุการณ์ที่เกิดขึ้นจะอยู่ภายในช่วง • สถิติ: คำนวณค่าคาดหวัง ความแปรปรวน และส่วนเบี่ยงเบนมาตรฐานโดยอัตโนมัติ • แผนภูมิความน่าจะเป็น: พล็อตฟังก์ชันมวลความน่าจะเป็นและฟังก์ชันการแจกแจงสะสม • การปรับพารามิเตอร์: รองรับการปรับค่า แล แบบเรียลไทม์และการสังเกตการเปลี่ยนแปลงการกระจาย • การคำนวณที่มีความแม่นยำสูง: คำนวณความน่าจะเป็นของค่า γ ขนาดใหญ่และค่า k ที่มีขนาดใหญ่ได้อย่างแม่นยำ • การแสดงสูตร: แสดงสูตรความน่าจะเป็นของการแจกแจงแบบปัวซอง • ตัวอย่างการใช้งาน: ให้ตัวอย่างการสร้างแบบจำลองของปัญหาในโลกแห่งความเป็นจริง • ฟรีทั้งหมด: ไม่ต้องลงทะเบียน ใช้งานได้ทุกเวลา
กรณีการใช้งาน
• การวิเคราะห์เว็บไซต์: คาดการณ์การกระจายความน่าจะเป็นของการเข้าชมเว็บไซต์ • ศูนย์บริการทางโทรศัพท์: วิเคราะห์ปริมาณการโทรและเพิ่มประสิทธิภาพการจัดพนักงาน • การจัดการทางการแพทย์: คาดการณ์จำนวนผู้ป่วยฉุกเฉินและจัดเตรียมทรัพยากรอย่างมีเหตุผล • การควบคุมคุณภาพ: วิเคราะห์จำนวนข้อบกพร่องของผลิตภัณฑ์และประเมินคุณภาพการผลิต • การวางแผนจราจร: ทำนายจำนวนอุบัติเหตุจราจร • คณิตศาสตร์ประกันภัย: คำนวณความน่าจะเป็นของจำนวนการเรียกร้อง • การวิจัยกัมมันตภาพรังสี: การวิเคราะห์จำนวนการสลายตัวของกัมมันตภาพรังสี • ชีววิทยา: ศึกษาจำนวนอาณานิคมของแบคทีเรียและการกลายพันธุ์ทางพันธุกรรม • การเรียนรู้สถิติความน่าจะเป็น: นักเรียนเรียนรู้ทฤษฎีการแจกแจงปัวซอง • การสร้างแบบจำลองข้อมูล: สร้างแบบจำลองความน่าจะเป็นสำหรับเหตุการณ์ที่เกิดขึ้นได้ยาก