ポアソン分布計算機

ポアソン分布は、統計学と応用数学において最も重要な離散確率分布の一つです。フランスの数学者シメオン・ドニ・ポアソンにちなんで名付けられ、既知の一定の平均率で独立に発生するイベントが、固定された時間または空間の区間内で特定の回数起こる確率を表します。 この分布は、単一のパラメータ λ (lambda) によって完全に特徴づけられます。λ は、与えられた区間内で発生するイベント数の平均を表します。たとえば、コールセンターが平均して 1 時間に 10 件の電話を受ける場合、λ = 10 です。1 時間にちょうど x 件の電話を受ける確率は、その lambda を持つポアソン分布に従います。 ポアソン確率質量関数 (PMF) は、P(X = x) = (e^−λ × λ^x) / x! です。ここで e ≈ 2.71828 はオイラー数、x! は x の階乗です。この洗練された式により、任意の非負整数 x に対する正確な確率を計算できます。 ポアソン分布の注目すべき性質は、平均と分散がどちらも λ に等しいことです。つまり、標準偏差は √λ になります。λ が大きくなるほど分布はより対称になり、正規分布に近づきます。これは大規模な応用で有用な性質です。 この計算機は、5 つの主要な確率値を計算します。正確な回数に対する P(X = x)、イベント数が x より厳密に少ない P(X < x)、x 以下である P(X ≤ x)、x より厳密に多い P(X > x)、そして x 以上である P(X ≥ x) です。これらの累積形式は、該当する範囲で PMF を合計することで得られます。 ポアソン分布は、科学、工学、金融、医学で広く利用されています。保険会社は保険金請求の頻度をモデル化するために使います。通信技術者は通話到着率やネットワークパケットの流れを分析するために適用します。品質管理チームは単位面積あたりの欠陥数をモデル化します。疫学者は集団内の疾病発生率をモデル化するために利用します。 また、試行回数 n が非常に大きく、成功確率 p が非常に小さく、np = λ である場合、ポアソン分布は二項分布の極限として現れます。この関係により、ポアソンモデルは希少イベントのモデル化に役立ちます。 この計算機を使用する際は、モデル化するイベントが本当に独立であり、一定の平均率で発生していることを確認してください。区間内で発生率が変化する場合、たとえば営業時間中に Web トラフィックが増える場合、標準的なポアソンモデルは適切でない可能性があります。その場合は、非同次ポアソン過程または別の分布が必要になることがあります。