UTILS.
निजता हमेशा पहले
🎯

पॉइसन वितरण कैलकुलेटर

माध्य दर λ और गणना k के लिए यथार्थ, संचयी और पुच्छ पॉइसन प्रायिकताएँ, साथ ही माध्य, विचरण और मानक विचलन।

आपकी फ़ाइलें इसी डिवाइस पर रहती हैं

फ़ाइलें ब्राउज़र में प्रोसेस होती हैं, कभी अपलोड नहीं होतीं। साइट टूल चलाने के लिए ज़रूरी कोड और संसाधन डाउनलोड करती है। न खाता, न ट्रैकर।

इस टूल को एक HTML फ़ाइल में सहेजकर ऑफ़लाइन इस्तेमाल करने के लिए डाउनलोड करें।

गोपनीयता →

λ प्रति अंतराल घटनाओं की औसत संख्या है; k घटनाओं की पूर्ण संख्या है। दोनों परिणामों को लाइव अद्यतन करते हैं।

इस टूल के बारे में

पॉइसन वितरण कैलकुलेटर किसी नियत अंतराल में k घटनाओं के घटित होने की प्रायिकता देता है जब वे स्थिर औसत दर λ (lambda) पर स्वतंत्र रूप से घटित होती हैं। माध्य दर और एक गणना दर्ज करें और यह यथार्थ तथा संचयी प्रायिकताएँ लाइव लौटाता है, सब कुछ आपके ब्राउज़र में परिकलित।

प्रायिकता द्रव्यमान फलन P(X = k) = λᵏ·e^(−λ) / k! है। बड़ी गणनाओं के लिए संख्यात्मक रूप से स्थिर रहने हेतु उपकरण इसका मूल्यांकन log स्थान में exp(−λ + k·ln λ − ln k!) के रूप में करता है, log-factorial के लिए Lanczos सन्निकटन का उपयोग करते हुए। यह द्रव्यमान फलन का योग करके संचयी P(X ≤ k), कठोर P(X < k), और ऊपरी पुच्छ P(X ≥ k) भी देता है। पॉइसन वितरण की एक परिभाषक विशेषता यह है कि इसका माध्य और विचरण दोनों λ के बराबर होते हैं, इसलिए मानक विचलन √λ है।

इसका उपयोग प्रति घंटा आगमन, प्रति बैच दोष, प्रति मिनट कॉल, क्षय गणना और किसी भी दुर्लभ-घटना प्रक्रिया के लिए करें जहाँ गणना एक अऋणात्मक पूर्णांक हो। दर λ शून्य से बड़ी होनी चाहिए और k शून्य या अधिक की पूर्ण संख्या होनी चाहिए।

अक्सर पूछे जाने वाले प्रश्न

λ (lambda) क्या है?
Lambda अंतराल में अपेक्षित घटनाओं की औसत संख्या है — माध्य दर। पॉइसन प्रक्रिया के लिए यह विचरण भी है, इसलिए मानक विचलन √λ है। यह एक धनात्मक संख्या होनी चाहिए पर पूर्ण संख्या होना आवश्यक नहीं।
बड़े k के लिए P(X = k) कैसे परिकलित होता है?
Log स्थान में: exp(−λ + k·ln λ − ln k!), जहाँ ln k! एक Lanczos log-gamma से आता है। यह λᵏ या k! की सीधी गणना से होने वाले अतिप्रवाह को टालता है, इसलिए बहुत बड़ी गणनाएँ सटीक रहती हैं।
P(X ≤ k) और P(X ≥ k) में क्या अंतर है?
P(X ≤ k) k या उससे कम घटनाओं की संचयी प्रायिकता है; P(X ≥ k) k या अधिक की। वे ठीक k पर अतिव्याप्त होती हैं, इसलिए P(X ≤ k) + P(X ≥ k) = 1 + P(X = k), न कि 1। उपकरण कठोर P(X < k) भी दिखाता है।
पॉइसन मॉडल कब उपयुक्त है?
जब घटनाएँ समय या स्थान के किसी नियत अंतराल पर स्थिर औसत दर पर स्वतंत्र रूप से घटित हों, और दो घटनाएँ ठीक एक ही क्षण में न हो सकें। उदाहरणों में आगमन, दोष, प्रति पृष्ठ टंकण त्रुटियाँ और रेडियोधर्मी क्षय शामिल हैं।

और टूल