UTILS.
Приватность по умолчанию
🎯

Калькулятор распределения Пуассона

Точные, кумулятивные и хвостовые вероятности Пуассона для средней интенсивности λ и числа событий k, плюс среднее, дисперсия и стандартное отклонение.

Ваши файлы остаются на этом устройстве

Файлы обрабатываются в браузере и не отправляются на сервер. Сайт загружает код и ресурсы для работы инструментов. Без аккаунтов и трекеров.

Нажмите «Скачать», чтобы сохранить инструмент одним HTML-файлом для работы офлайн.

Конфиденциальность →

λ — среднее число событий за интервал; k — целое число событий. Оба обновляют результаты в реальном времени.

Об этом инструменте

Калькулятор распределения Пуассона даёт вероятность того, что число событий k произойдёт за фиксированный интервал, когда они случаются независимо с постоянной средней интенсивностью λ (лямбда). Введите среднюю интенсивность и число событий, и он вернёт точные и кумулятивные вероятности в реальном времени, всё вычисляется в вашем браузере.

Функция вероятностной массы равна P(X = k) = λᵏ·e^(−λ) / k!. Для численной устойчивости при больших k инструмент вычисляет её в логарифмическом пространстве как exp(−λ + k·ln λ − ln k!), используя аппроксимацию Ланцоша для логарифма факториала. Он также суммирует функцию массы, чтобы дать кумулятивную P(X ≤ k), строгую P(X < k) и верхний хвост P(X ≥ k). Определяющее свойство распределения Пуассона в том, что его среднее и дисперсия оба равны λ, поэтому стандартное отклонение равно √λ.

Используйте его для прибытий в час, дефектов на партию, звонков в минуту, счётчиков распада и любого процесса редких событий, где число — неотрицательное целое. Интенсивность λ должна быть больше нуля, а k — целым числом от нуля и выше.

Часто задаваемые вопросы

Что такое λ (лямбда)?
Лямбда — это среднее число событий, ожидаемое за интервал, то есть средняя интенсивность. Для пуассоновского процесса это также дисперсия, поэтому стандартное отклонение равно √λ. Она должна быть положительным числом, но не обязательно целым.
Как вычисляется P(X = k) для больших k?
В логарифмическом пространстве: exp(−λ + k·ln λ − ln k!), где ln k! получается из лог-гаммы по Ланцошу. Это избегает переполнения при прямом вычислении λᵏ или k!, поэтому очень большие числа остаются точными.
В чём разница между P(X ≤ k) и P(X ≥ k)?
P(X ≤ k) — это кумулятивная вероятность k или меньше событий; P(X ≥ k) — k или больше. Они пересекаются точно в k, поэтому P(X ≤ k) + P(X ≥ k) = 1 + P(X = k), а не 1. Инструмент также показывает строгую P(X < k).
Когда модель Пуассона уместна?
Когда события происходят независимо с постоянной средней интенсивностью за фиксированный интервал времени или пространства, и два события не могут произойти в один и тот же момент. Примеры: прибытия, дефекты, опечатки на страницу и радиоактивные распады.

Больше инструментов