Poisson-PMF-Rechner

Die Poisson-Wahrscheinlichkeitsmasse beantwortet eine präzise Frage: Wenn Ereignisse mit mittlerer Rate lambda pro Intervall eintreffen, wie groß ist die Wahrscheinlichkeit, in einem Intervall genau k Ereignisse zu beobachten? Callcenter nutzen sie für Ticketvolumina, Biologen für Koloniezählungen, Reliability-Ingenieure für seltene Ausfälle und Studierende für Prüfungsaufgaben, die die geschlossene Form e hoch minus lambda mal lambda hoch k über k-Fakultät verlangen. Dieser Poisson-PMF-Rechner akzeptiert eine nichtnegative Rate und eine nichtnegative ganze Anzahl, wertet die Masse im Log-Raum für numerische Stabilität aus und liefert die Wahrscheinlichkeit zusammen mit der Lehrbuch-Formelzeichenkette.

Was die Poisson-PMF berechnet und wann sie gilt

Eine Poisson-Zufallsvariable zählt diskrete Ereignisse in einem festen Zeit- oder Raumintervall, wenn Ankünfte unabhängig sind, die mittlere Rate konstant ist und im Modellideal zwei Ereignisse denselben Zeitpunkt nicht belegen. Die Wahrscheinlichkeitsmasse ist die Ein-Term-Formel: P von X gleich k gleich e hoch minus lambda, mal lambda hoch k, geteilt durch k-Fakultät. Dabei ist lambda die erwartete Ereigniszahl pro Intervall und k die exakte Anzahl, deren Wahrscheinlichkeit Sie wollen.

Anders als eine kumulierte Verteilung summiert die PMF keine Nachbarterme: sie isoliert einen Balken des diskreten Histogramms. Genau das suchen Nutzer, wenn sie einen Poisson-PMF-Rechner brauchen statt eines vollständigen Verteilungs-Dashboards. Klassische Beispiele sind E-Mails pro Stunde, Defekte auf einer Kabellänge, Tore in einem Spiel bei konstanter Trefferrate oder radioaktive Zerfälle pro Minute.

Das Modell greift nicht, wenn Ereignisse clustern, die Rate mitten im Intervall driftet oder k kontinuierlich ist; dafür eignen sich andere Familien. Innerhalb der Annahmen ist die Formel exakt, keine Näherung, und dieser Endpunkt wertet den exakten Ausdruck mit stabilen Logarithmen aus, damit großes k Zwischenspotenzen von lambda nicht überlaufen lässt, bevor die Fakultät sie aufhebt.

Eingabevertrag, Antwortfelder und Validierungsfehler

Numerische Zeichenketten, die als gewöhnliche Dezimalzahlen oder Ganzzahlen lesbar sind, werden akzeptiert, damit Formular-Widgets Textfelder ohne Client-Cast senden können. Lambda darf null sein und legt dann die gesamte Masse auf k gleich null. K darf null sein und liefert e hoch minus lambda.

Ist k negativ, nicht ganzzahlig, fehlend oder nicht endlich, wird derselbe Fehlercode mit feldbezogener Meldung ausgelöst. Bei Erfolg spiegelt der Körper lambda und k, liefert probability und das Synonymfeld pmf (identische Werte für Clients, die einen der Namen bevorzugen) und enthält formula als Zeichenkette P(X=k) gleich e hoch minus lambda mal lambda hoch k über k-Fakultät. Fehlgeschlagene Validierung wird nicht berechnet.

Wer die Wahrscheinlichkeit einer genauen Anzahl braucht

Hausaufgabenplattformen und Statistikkurse brauchen ein deterministisches Orakel für den exakten Zählterm, damit Bewerter P von X gleich k ohne Gleitkomma-Chaos naiver Potenz-dann-Division-Implementierungen bewerten können. Betriebs-Dashboards zeichnen eine einzelne Masse, wenn Stakeholder die Wahrscheinlichkeit von genau n Tickets in der nächsten Stunde statt höchstens n fragen. Simulations-Harnesses prüfen Referenzwahrscheinlichkeiten gegen diese geschlossene Form, bevor Monte-Carlo-Häufigkeiten verglichen werden.

Weil die Fähigkeit reines Parse-Tier-A ist, kostet jeder erfolgreiche Aufruf nur die Katalogbasis ohne Modell-Tokens und ohne ausgehendes Netz. Fixieren Sie erwartete Wahrscheinlichkeiten in der Continuous Integration, halten Sie lambda und k in den dokumentierten Grenzen, und Sie erhalten reproduzierbare Massen für LMS-Plugins, Edge-Worker und Forschungsnotebooks ohne einen vollen Statistik-Stack.