Poisson-Verteilungsrechner
Poisson-Verteilungsrechner
Geben Sie die durchschnittliche Auftretensrate (λ, Lambda) über Ihr Intervall von Interesse und die Anzahl der Vorkommnisse ein, für die Sie die Wahrscheinlichkeit wünschen. Dies berechnet sowohl die exakte Wahrscheinlichkeit, dass so viele Ereignisse eintreten, als auch die kumulative Wahrscheinlichkeit von so vielen oder weniger.
- Formel: P(X=k) = (λ^k × e^−λ) ÷ k!, wobei λ die Durchschnittsrate und k die Zielanzahl der Vorkommnisse ist.
- Modelliert seltene, unabhängige Ereignisse über ein festes Intervall: wie Anrufe in einem Callcenter pro Stunde, Tippfehler pro Seite oder Kundenankünfte pro Minute.
- Anders als Binomial: Poisson benötigt keine feste Anzahl von "Versuchen" — es modelliert Ereigniszählungen über kontinuierliche Zeit oder Raum, gegeben nur die Durchschnittsrate.
Welche Arten von Ereignissen passen zum Poisson-Modell?
Ereignisse, die unabhängig voneinander mit einer bekannten konstanten Durchschnittsrate innerhalb einer festen Zeit- oder Raumeinheit auftreten — wie Website-Besuche pro Minute, Defekte pro Meter Material oder E-Mails pro Stunde.
Was, wenn ich die Wahrscheinlichkeit für "mehr als" eine Zahl möchte, nicht "höchstens"?
Ziehen Sie die kumulative Wahrscheinlichkeit von 1 ab — die Wahrscheinlichkeit für mehr als k Vorkommnisse entspricht 1 minus der Wahrscheinlichkeit für k oder weniger.
Poisson-Verteilungsrechner
Geben Sie die durchschnittliche Auftretensrate (λ, Lambda) über Ihr Intervall von Interesse und die Anzahl der Vorkommnisse ein, für die Sie die Wahrscheinlichkeit wünschen. Dies berechnet sowohl die exakte Wahrscheinlichkeit, dass so viele Ereignisse eintreten, als auch die kumulative Wahrscheinlichkeit von so vielen oder weniger.
- Formel: P(X=k) = (λ^k × e^−λ) ÷ k!, wobei λ die Durchschnittsrate und k die Zielanzahl der Vorkommnisse ist.
- Modelliert seltene, unabhängige Ereignisse über ein festes Intervall: wie Anrufe in einem Callcenter pro Stunde, Tippfehler pro Seite oder Kundenankünfte pro Minute.
- Anders als Binomial: Poisson benötigt keine feste Anzahl von "Versuchen" — es modelliert Ereigniszählungen über kontinuierliche Zeit oder Raum, gegeben nur die Durchschnittsrate.
Welche Arten von Ereignissen passen zum Poisson-Modell?
Ereignisse, die unabhängig voneinander mit einer bekannten konstanten Durchschnittsrate innerhalb einer festen Zeit- oder Raumeinheit auftreten — wie Website-Besuche pro Minute, Defekte pro Meter Material oder E-Mails pro Stunde.
Was, wenn ich die Wahrscheinlichkeit für "mehr als" eine Zahl möchte, nicht "höchstens"?
Ziehen Sie die kumulative Wahrscheinlichkeit von 1 ab — die Wahrscheinlichkeit für mehr als k Vorkommnisse entspricht 1 minus der Wahrscheinlichkeit für k oder weniger.