เครื่องคิดเลขการแจกแจงแบบปัวซง

คำนวณความน่าจะเป็นแบบปัวซง P(X=k), ความน่าจะเป็นสะสม และแสดงภาพการแจกแจง PMF/CDF พร้อมวิธีทำอย่างละเอียดแบบทีละขั้นตอน

Embed เครื่องคิดเลขการแจกแจงแบบปัวซง Widget

เกี่ยวกับ เครื่องคิดเลขการแจกแจงแบบปัวซง

ยินดีต้อนรับสู่ เครื่องคิดเลขการแจกแจงแบบปัวซง เครื่องมือครบวงจรสำหรับการคำนวณความน่าจะเป็นแบบปัวซง พร้อมการแสดงภาพแบบโต้ตอบและวิธีทำทีละขั้นตอน ไม่ว่าคุณจะเป็นนักเรียนที่กำลังเรียนทฤษฎีความน่าจะเป็น นักวิจัยที่วิเคราะห์ข้อมูลเหตุการณ์ หรือมืออาชีพที่ทำงานกับโมเดลทางสถิติ เครื่องคิดเลขนี้จะให้ผลลัพธ์ที่แม่นยำพร้อมคำอธิบายโดยละเอียด

การแจกแจงแบบปัวซงคืออะไร?

การแจกแจงแบบปัวซงคือการแจกแจงความน่าจะเป็นแบบไม่ต่อเนื่องที่จำลองจำนวนเหตุการณ์ที่เกิดขึ้นในช่วงเวลาหรือพื้นที่ที่กำหนด ตั้งชื่อตามนักคณิตศาสตร์ชาวฝรั่งเศส Siméon Denis Poisson เป็นหนึ่งในการแจกแจงที่สำคัญที่สุดในทฤษฎีความน่าจะเป็นและสถิติ

การแจกแจงแบบปัวซงถูกกำหนดโดยพารามิเตอร์แลมบ์ดา (λ) เพียงตัวเดียว ซึ่งแทนอัตราเฉลี่ยของเหตุการณ์ต่อช่วงเวลา คุณสมบัติที่สำคัญ ได้แก่:

เหตุการณ์เกิดขึ้นอย่างเป็นอิสระต่อกัน: การเกิดเหตุการณ์หนึ่งไม่ส่งผลกระทบต่อความน่าจะเป็นของการเกิดเหตุการณ์อื่น
อัตราเฉลี่ยคงที่: เหตุการณ์เกิดขึ้นด้วยอัตราค่าเฉลี่ยคงที่ λ ที่ทราบ
ไม่มีเหตุการณ์ที่เกิดขึ้นพร้อมกัน: เหตุการณ์สองเหตุการณ์ไม่สามารถเกิดขึ้นในเวลาเดียวกันพอดี
ค่าเฉลี่ยเท่ากับความแปรปรวน: สำหรับการแจกแจงแบบปัวซง ทั้งค่าเฉลี่ยและความแปรปรวนจะเท่ากับ λ

ฟังก์ชันมวลความน่าจะเป็นแบบปัวซง (PMF)

$$P(X = k) = \frac{e^{-\lambda} \cdot \lambda^k}{k!}$$

ทำความเข้าใจกับแลมบ์ดา (λ) และ k

แลมบ์ดา (λ) คืออะไร?

แลมบ์ดา (λ) คือพารามิเตอร์อัตราเฉลี่ยของการแจกแจงแบบปัวซง มันแทนจำนวนเหตุการณ์ที่คาดหวังต่อช่วงเวลา ตัวอย่างเช่น:

ศูนย์บริการรับสายเฉลี่ย 10 สายต่อชั่วโมง → λ = 10
เว็บไซต์มีผู้เข้าชมเฉลี่ย 50 คนต่อนาที → λ = 50
เครื่องจักรผลิตชิ้นส่วนที่ชำรุดเฉลี่ย 2 ชิ้นต่อวัน → λ = 2

k คืออะไร?

ตัวแปร k แทนจำนวนเหตุการณ์เฉพาะที่คุณต้องการคำนวณความน่าจะเป็น ต้องเป็นจำนวนเต็มที่ไม่เป็นลบ (0, 1, 2, 3, ...) ตัวอย่างเช่น หากคุณต้องการทราบความน่าจะเป็นที่จะมีสายเรียกเข้า 3 สายพอดีในหนึ่งชั่วโมง k = 3

วิธีคำนวณความน่าจะเป็นของการแจกแจงแบบปัวซง

ระบุพารามิเตอร์ของคุณ: กำหนดอัตราเฉลี่ยของเหตุการณ์ (λ) และจำนวนเหตุการณ์ (k) ที่คุณต้องการคำนวณความน่าจะเป็น
ใส่ค่า: ใส่ค่าแลมบ์ดา (λ) ของคุณที่แทนอัตราเฉลี่ย และค่า k ที่แทนจำนวนเหตุการณ์ลงในเครื่องคิดเลข
คำนวณความน่าจะเป็น: คลิกคำนวณเพื่อรับ P(X = k), P(X ≤ k), P(X > k) และมาตรการความน่าจะเป็นอื่นๆ พร้อมกับการแสดงภาพ
ตรวจสอบวิธีทำทีละขั้นตอน: ตรวจสอบขั้นตอนทางคณิตศาสตร์อย่างละเอียดที่แสดงวิธีคำนวณความน่าจะเป็นแต่ละอย่างโดยใช้สูตรปัวซง
วิเคราะห์แผนภูมิ: ใช้แผนภูมิแท่ง PMF และแผนภูมิขั้นบันได CDF เพื่อแสดงภาพการแจกแจงและทำความเข้าใจการกระจายของความน่าจะเป็น

ตัวอย่าง: การมาถึงของลูกค้า

ร้านกาแฟแห่งหนึ่งมีลูกค้ามาใช้บริการเฉลี่ย 5 คนต่อชั่วโมง ความน่าจะเป็นที่จะมีลูกค้าเข้าร้าน 3 คนพอดีในชั่วโมงที่กำหนดคือเท่าใด?

วิธีทำ: เมื่อ λ = 5 และ k = 3:

$$P(X = 3) = \frac{e^{-5} \cdot 5^3}{3!} = \frac{0.00674 \times 125}{6} \approx 0.1404$$

มีโอกาสประมาณ 14.04% ที่จะมีลูกค้าเข้าร้าน 3 คนพอดี

อธิบายประเภทความน่าจะเป็น

ความน่าจะเป็น	สัญลักษณ์	ความหมาย
ความน่าจะเป็นที่แน่นอน	P(X = k)	ความน่าจะเป็นที่จะเกิดเหตุการณ์ k ครั้งพอดี
สะสม (ไม่เกิน)	P(X ≤ k)	ความน่าจะเป็นที่จะเกิดเหตุการณ์ k ครั้งหรือน้อยกว่า
สะสม (น้อยกว่า)	P(X < k)	ความน่าจะเป็นที่จะเกิดเหตุการณ์น้อยกว่า k ครั้ง
ส่วนปลาย (มากกว่า)	P(X > k)	ความน่าจะเป็นที่จะเกิดเหตุการณ์มากกว่า k ครั้ง
ส่วนปลาย (อย่างน้อย)	P(X ≥ k)	ความน่าจะเป็นที่จะเกิดเหตุการณ์ k ครั้งหรือมากกว่า

PMF และ CDF ต่างกันอย่างไร?

PMF (Probability Mass Function) ให้ความน่าจะเป็นที่จะเกิดเหตุการณ์ k ครั้งพอดี: P(X = k) มันแสดงความน่าจะเป็นสำหรับแต่ละค่าเฉพาะของ k

CDF (Cumulative Distribution Function) ให้ความน่าจะเป็นที่จะเกิดเหตุการณ์ไม่เกิน k ครั้ง: P(X ≤ k) มันเป็นผลรวมของค่า PMF ทั้งหมดตั้งแต่ 0 ถึง k:

ฟังก์ชันการแจกแจงสะสม (CDF)

$$P(X \leq k) = \sum_{i=0}^{k} \frac{e^{-\lambda} \cdot \lambda^i}{i!}$$

การประยุกต์ใช้การแจกแจงแบบปัวซง

การแจกแจงแบบปัวซงถูกใช้อย่างแพร่หลายในหลายสาขา:

ธุรกิจ: จำลองการมาถึงของลูกค้า การทำธุรกรรมการขาย ปริมาณการโทรของศูนย์บริการ
การดูแลสุขภาพ: วิเคราะห์การระบาดของโรค การมาถึงของคนไข้ เหตุการณ์ไม่พึงประสงค์ที่เกิดขึ้นได้ยาก
เทคโนโลยี: การวิเคราะห์ทราฟฟิกเครือข่าย คำขอของเซิร์ฟเวอร์ ระบบขัดข้อง
การประกันภัย: จำลองความถี่ในการเคลม อัตราการเกิดอุบัติเหตุ
ชีววิทยา: การนับกลุ่มแบคทีเรีย การกลายพันธุ์ทางพันธุกรรม การสลายตัวของสารกัมมันตรังสี
การควบคุมคุณภาพ: การนับข้อบกพร่องในกระบวนการผลิต

ควรใช้การแจกแจงแบบปัวซงเมื่อใด

ใช้การแจกแจงแบบปัวซงเมื่อ:

เหตุการณ์เกิดขึ้นเป็นอิสระต่อกัน
เหตุการณ์เกิดขึ้นด้วยอัตราเฉลี่ยคงที่
เหตุการณ์สองเหตุการณ์ไม่สามารถเกิดขึ้นในเวลาเดียวกันพอดี
คุณกำลังนับเหตุการณ์ที่ไม่ต่อเนื่องในช่วงเวลาที่กำหนด
เหตุการณ์เกิดขึ้นได้ยาก (ความน่าจะเป็นที่จะเกิดเหตุการณ์ในช่วงเวลาเล็กๆ มีค่าน้อย)

คำถามที่พบบ่อย

การแจกแจงแบบปัวซงคืออะไร?

การแจกแจงแบบปัวซงคือการแจกแจงความน่าจะเป็นแบบไม่ต่อเนื่องที่จำลองจำนวนเหตุการณ์ที่เกิดขึ้นในช่วงเวลาหรือพื้นที่ที่กำหนด เมื่อเหตุการณ์เกิดขึ้นด้วยอัตราเฉลี่ยคงที่ (λ) ที่ทราบ และเป็นอิสระต่อกัน มักใช้จำลองเหตุการณ์ที่เกิดขึ้นได้ยาก เช่น การมาถึงของลูกค้า ระบบขัดข้อง หรือการสลายตัวของสารกัมมันตรังสี

แลมบ์ดา (λ) ในการแจกแจงแบบปัวซงคืออะไร?

แลมบ์ดา (λ) คือพารามิเตอร์อัตราเฉลี่ยของการแจกแจงแบบปัวซง มันแทนจำนวนเหตุการณ์ที่คาดหวังต่อช่วงเวลา ตัวอย่างเช่น หากศูนย์บริการรับสายเฉลี่ย 5 สายต่อชั่วโมง λ = 5 แลมบ์ดาต้องเป็นบวกและสามารถเป็นจำนวนจริงใดๆ ที่มากกว่าศูนย์

ฉันจะคำนวณ P(X = k) สำหรับการแจกแจงแบบปัวซงได้อย่างไร?

ความน่าจะเป็นที่จะเกิดเหตุการณ์ k ครั้งพอดีคำนวณโดยใช้สูตร Poisson PMF: P(X = k) = (e^(-λ) × λ^k) / k! ตัวอย่างเช่น เมื่อ λ = 5 และ k = 3: P(X = 3) = (e^(-5) × 5^3) / 3! = (0.00674 × 125) / 6 ≈ 0.1404 หรือประมาณ 14.04%

PMF และ CDF ในการแจกแจงแบบปัวซงต่างกันอย่างไร?

PMF (Probability Mass Function) ให้ความน่าจะเป็นที่จะเกิดเหตุการณ์ k ครั้งพอดี: P(X = k) ส่วน CDF (Cumulative Distribution Function) ให้ความน่าจะเป็นที่จะเกิดเหตุการณ์ไม่เกิน k ครั้ง: P(X ≤ k) ซึ่งเป็นผลรวมของค่า PMF ทั้งหมดตั้งแต่ 0 ถึง k โดย CDF มีประโยชน์ในการคำนวณความน่าจะเป็นของช่วงผลลัพธ์

ฉันควรใช้การแจกแจงแบบปัวซงเมื่อใด?

ใช้การแจกแจงแบบปัวซงเมื่อ: (1) เหตุการณ์เกิดขึ้นอย่างเป็นอิสระต่อกัน (2) เหตุการณ์เกิดขึ้นด้วยอัตราเฉลี่ยคงที่ (3) เหตุการณ์สองเหตุการณ์ไม่สามารถเกิดขึ้นได้ในเวลาเดียวกันพอดี และ (4) คุณกำลังนับจำนวนเหตุการณ์ในช่วงเวลาที่กำหนด การใช้งานทั่วไปรวมถึงการจำลองทราฟฟิกเว็บไซต์ การเคลมประกัน อุปกรณ์ขัดข้อง และกระบวนการทางชีวภาพ