يصف توزيع بواسون عدد المرات التي يقع فيها حدث ما خلال فترة محددة من الزمن أو ضمن مساحة أو حجم معيّن، عندما تقع هذه الأحداث بشكل مستقل وبمعدل وسطي ثابت. تحسب هذه الأداة قيمة P(X = k)، أي احتمال ملاحظة k حدثًا بالضبط، إلى جانب الاحتمالات التراكمية واحتمالات الأطراف. ومن أبرز استخداماتها: عدد المكالمات الواردة إلى مركز اتصال، عدد زيارات الموقع في الدقيقة، عدد العيوب في الدفعة الواحدة، عدد الأهداف في المباراة، وعدّات التحلل الإشعاعي.
طريقة الاستخدام
أدخل المعدل الوسطي λ (العدد المتوقع للأحداث ضمن الفترة التي تدرسها) ثم العدد المستهدف k (عدد صحيح غير سالب). تعرض لك الحاسبة احتمال وقوع k حدثًا بالضبط، إضافةً إلى أربعة احتمالات مرتبطة: \(P(X < k)\) و\(P(X \le k)\) و\(P(X \ge k)\) و\(P(X > k)\). تأكّد من أن قيمتَي λ وk تشيران إلى الفترة نفسها — فإذا انتقلت من "لكل ساعة" إلى "لكل يوم"، فعليك تعديل قيمة λ بما يتناسب مع ذلك.
حيث \(e \approx 2.71828\) هو عدد أويلر، و\(\text{k}!\) هو مضروب العدد k. يتزايد الحدّ \(\lambda^{\text{k}}\) كلما زاد عدد الأحداث، بينما يمثّل \(e^{-\lambda}\) عامل تناقص يضبط القيمة، أما القسمة على \(\text{k}!\) فتأخذ في الحسبان أن ترتيب الأحداث غير قابل للتمييز.
اعلان
مثال محلول
لنفترض أن متجرًا يستقبل في المتوسط \(\lambda = 3\) زبائن في الساعة، وتريد معرفة احتمال وصول \(\text{k} = 2\) من الزبائن بالضبط خلال الساعة القادمة. عندئذٍ: