포아송 분포 계산기

정확 및 누적 포아송 확률 계산

사건의 평균 발생률(λ)과 성공 횟수(x)를 입력하면 주요 포아송 확률을 즉시 모두 계산할 수 있습니다.

포아송 분포 계산기
정확 및 누적 포아송 확률 계산

포아송 분포 계산기 소개

포아송 분포는 통계학과 응용수학에서 가장 중요한 이산 확률분포 중 하나입니다. 프랑스 수학자 시메옹 드니 포아송의 이름을 따서 명명되었으며, 사건이 서로 독립적으로 그리고 알려진 일정한 평균률로 발생할 때 고정된 시간 또는 공간 구간에서 특정 개수의 사건이 발생할 확률을 설명합니다. 이 분포는 단일 매개변수 λ (lambda) 로 완전히 특징지어지며, λ는 주어진 구간에서 발생하는 사건 수의 평균을 나타냅니다. 예를 들어 콜센터가 시간당 평균 10통의 전화를 받는다면 λ = 10입니다. 한 시간에 정확히 x통의 전화를 받을 확률은 해당 lambda를 갖는 포아송 분포를 따릅니다. 포아송 확률질량함수(PMF)는 P(X = x) = (e^−λ × λ^x) / x! 입니다. 여기서 e ≈ 2.71828은 오일러 수이고 x!는 x의 팩토리얼입니다. 이 간결한 공식으로 임의의 음이 아닌 정수 x에 대한 정확한 확률을 계산할 수 있습니다. 포아송 분포의 주목할 만한 성질은 평균과 분산이 모두 λ와 같다는 점입니다. 따라서 표준편차는 √λ와 같습니다. λ가 증가할수록 분포는 더 대칭적이 되며 정규분포에 가까워지는데, 이는 대규모 응용에서 유용한 사실입니다. 이 계산기는 다섯 가지 핵심 확률값을 계산합니다. 정확한 개수에 대한 P(X = x), x보다 엄격히 적은 사건에 대한 P(X < x), 최대 x개 사건에 대한 P(X ≤ x), x보다 엄격히 많은 사건에 대한 P(X > x), 그리고 최소 x개 사건에 대한 P(X ≥ x)입니다. 이러한 누적 형태는 관련 범위에서 PMF를 합산하여 얻습니다. 포아송 분포는 과학, 공학, 금융, 의학 전반에서 널리 사용됩니다. 보험사는 청구 발생 빈도를 모델링하는 데 사용하고, 통신 엔지니어는 통화 도착률과 네트워크 패킷 흐름을 분석하는 데 적용합니다. 품질 관리 팀은 단위 면적당 결함 수를 모델링하고, 역학자는 인구 집단의 질병 발생률을 모델링하는 데 사용합니다. 또한 시행 횟수 n이 매우 크고 성공 확률 p가 매우 작으며 np = λ일 때, 포아송 분포는 이항분포의 극한 사례로 나타납니다. 이러한 연결성 때문에 포아송 모델은 희귀 사건 모델링에 유용합니다. 이 계산기를 사용할 때는 모델링하는 사건이 실제로 독립적이며 일정한 평균률로 발생하는지 확인하세요. 예를 들어 업무 시간에는 웹 트래픽이 더 높은 것처럼 구간 내에서 발생률이 변한다면 표준 포아송 모델은 적절하지 않을 수 있으며, 비동질 포아송 과정이나 다른 분포가 필요할 수 있습니다.

예시

다음 예시는 일반적인 실제 상황에서의 포아송 확률 계산을 보여줍니다.

입력 (λ, x)P(X = x)상황
λ = 3, x = 20.22404콜센터: 평균 3통/분, P(정확히 2통)
λ = 5, x = 40.17547단위당 결함: 평균 5개, P(정확히 4개)
λ = 2, x = 00.13534월별 사고: 평균 2건, P(사고 0건)
λ = 10, x = 80.11260서버 요청: 평균 10건/초, P(정확히 8건)

이 계산기 사용 방법

  1. 사건의 평균 발생률(λ)을 입력합니다. 3 또는 2.5처럼 음이 아닌 소수여야 합니다.
  2. 관심 있는 사건 수(x)를 입력합니다. 0, 1, 2처럼 음이 아닌 정수여야 합니다.
  3. 「계산」을 클릭하여 다섯 가지 포아송 확률과 분포 통계를 계산합니다.
  4. 정확한 확률은 P(X = x)를 확인하고, 범위 기반 질문에는 누적값을 확인합니다.
  5. 「초기화」를 클릭하여 모든 필드를 지우고 새 계산을 시작합니다.

자주 묻는 질문

포아송 분포란 무엇인가요?
포아송 분포는 고정된 시간 또는 공간 구간에서 발생하는 사건 수를 모델링하는 이산 확률분포입니다. 단일 매개변수 λ (lambda), 즉 구간당 평균 사건 수에 의해 결정됩니다. 사건이 독립적이고 일정한 평균률로 발생할 때 적용됩니다.
λ (lambda)는 무엇을 의미하나요?
Lambda (λ)는 정의된 구간 내 평균 사건 수입니다. 예를 들어 웹사이트가 분당 평균 50회의 방문을 받는다면 λ = 50입니다. Lambda는 음이 아닌 실수여야 합니다. 포아송 분포의 평균과 분산은 모두 λ와 같습니다.
P(X = x)와 P(X ≤ x)의 차이는 무엇인가요?
P(X = x)는 정확히 x개의 사건을 관측할 확률입니다. P(X ≤ x)는 x개 이하의 사건을 관측할 누적 확률이며, k = 0부터 x까지 P(X = k)를 합산해 계산합니다. '최대 x번' 발생할 가능성을 알고 싶을 때 누적 형태를 사용하세요.
언제 포아송 분포를 사용해야 하나요?
고정된 구간에서 독립 사건의 수를 세고, 평균 발생률이 알려져 있으며 일정할 때 포아송 분포를 사용합니다. 대표적인 예로 통화 도착, 방사성 붕괴 계수, 결함률, 웹 서버 요청이 있습니다. 사건이 의존적이거나 발생률이 변한다면 대체 모델을 고려하세요.
λ가 정수가 아니어도 되나요?
네. λ는 2.7이나 0.5 같은 소수를 포함한 모든 음이 아닌 실수일 수 있습니다. x(성공 횟수)만 음이 아닌 정수여야 합니다. 예를 들어 평균적으로 2시간마다 3건의 사건이 발생하면 시간당 λ = 1.5가 되어 소수 λ가 자연스럽게 나타납니다.
포아송 분포와 이항분포의 관계는 무엇인가요?
포아송 분포는 이항분포의 극한 사례입니다. 시행 횟수 n이 매우 크고 각 시행의 성공 확률 p가 매우 작으며 np → λ일 때, 이항분포는 포아송 분포로 수렴합니다. 따라서 포아송은 큰 모집단에서 희귀 사건을 세는 데 유용한 근사입니다.