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、事象が互いに独立し、既知の一定平均率で発生する場合に、固定された時間または空間の区間内で特定の回数の事象が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、その区間内で発生する事象数の平均を表します。たとえば、コールセンターが 1 時間あたり平均 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 が大きくなるにつれて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役立つ性質です。 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)、x より厳密に少ない事象に対する P(X < x)、x 以下の事象に対する P(X ≤ x)、x より厳密に多い事象に対する P(X > x)、そして x 以上の事象に対する P(X ≥ x) です。これらの累積形式は、該当する範囲で PMF を合計することで求められます。 ポアソン分布は、科学、工学、金融、医療の分野で広く使われています。保険会社は請求頻度のモデル化に利用し、通信技術者は着信率やネットワークパケットの流れの分析に利用します。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、疫学者は集団内の疾病発生率をモデル化します。 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 であるとき、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、ポアソンモデルはまれな事象のモデル化に有用です。 この計算機を使う際は、モデル化する事象が本当に独立しており、一定の平均率で発生していることを確認してください。区間内で率が変化する場合、たとえばウェブトラフィックが営業時間中に高くなる場合には、標準的なポアソンモデルは適切でない可能性があり、非同次ポアソン過程や別の分布が必要になることがあります。