Poisson-Rechner

Die Poisson-Verteilung modelliert, wie viele diskrete Ereignisse in einem festen Intervall eintreten, wenn Ankünfte unabhängig sind und die mittlere Rate konstant bleibt. Callcenter verfolgen Tickets pro Stunde, Zuverlässigkeitsingenieure zählen Ausfälle pro Monat, und Analysten messen Klicks, Defekte oder seltene biologische Ereignisse mit denselben zwei Parametern: einer nichtnegativen Rate lambda und einer ganzzahligen Anzahl k. Dieser Rechner liefert die exakte Poisson-Wahrscheinlichkeit, k Ereignisse zu beobachten, die kumulierte Wahrscheinlichkeit von höchstens k Ereignissen sowie den theoretischen Mittelwert und die Varianz (beide gleich lambda). Negative Raten und Anzahlen werden mit einem klaren Validierungsfehler abgelehnt, damit fehlerhafte Warteschlangen- oder Zählmodelle nie still unsinnige Zahlen erzeugen.

Was Massen- und Verteilungsfunktion der Poisson-Verteilung bedeuten

Eine Poisson-Zufallsvariable X mit Ratenparameter lambda nimmt nichtnegative ganzzahlige Werte 0, 1, 2 usw. an. Die Wahrscheinlichkeit, genau k Ereignisse im Bezugsintervall zu beobachten, ergibt sich aus der Massenfunktion P(X gleich k) gleich e hoch minus lambda, mal lambda hoch k, geteilt durch k Faktoriell. Wenn lambda null ist, sitzt die gesamte Masse bei null, sodass P(X gleich null) eins ist und jedes positive k Wahrscheinlichkeit null hat.

Wenn lambda positiv ist, ist die Verteilung unimodal und um die Rate konzentriert: bei kleinem lambda dominieren die Chancen von null oder einem Ereignis, während größere Raten die Wahrscheinlichkeitsmasse zu höheren Anzahlen schieben und den Gipfel abflachen. Die Verteilungsfunktion F von k ist die Summe der Masse von null bis k einschließlich und beantwortet die alltägliche Frage „wie groß ist die Chance von höchstens k Ankünften, Defekten oder Schäden?“. Weil Mittelwert und Varianz eines Poisson-Gesetzes beide lambda sind, bestimmt ein einziger Ratenparameter vollständig Lage und Streuung.

Diese Eigenschaft erklärt, warum einführende Statistikkurse Poisson-Modelle direkt nach Binomialapproximationen einführen und warum Betriebsteams Service-Level-Quoten allein aus einem gemessenen Mittelwert nennen können. Die Formeln sind klassisch und vollständig deterministisch: dieselben lambda und k müssen stets dieselbe Wahrscheinlichkeit, denselben kumulierten Wert sowie denselben Mittelwert und dieselbe Varianz erzeugen, was die Zahlen für Lösungsschlüssel, automatisierte Tests und reproduzierbare Notizbücher ohne Monte-Carlo-Rauschen sicher macht.

Wie dieser Rechner P(X=k), die VFkt, Mittelwert und Varianz auswertet

Rufen Sie die Fähigkeit mit zwei Pflichtfeldern auf: lambda, einer endlichen nichtnegativen Zahl für die mittlere Ereignisrate, und k, einer nichtnegativen ganzen Zahl für die interessierende Ereignisanzahl. Nach der Validierung wertet der Kern die Wahrscheinlichkeitsmasse im Log-Raum als minus lambda plus k mal natürlicher Logarithmus von lambda minus Logarithmus von k Faktoriell aus und exponentiert dann zu einer stabilen Gleitkomma-Wahrscheinlichkeit.

Der kumulierte Wert wird aufgebaut, indem man bei e hoch minus lambda startet und aufeinanderfolgende Terme mit lambda über i multipliziert, was das Neuberechnen großer Faktoriellen von null an für jeden Index vermeidet. Wenn e hoch minus lambda bei sehr großen Raten unterläuft, greift die Engine auf eine Log-Raum-Summe einzelner Massenterme zurück, sodass der Kumulativwert sich trotzdem einpendelt. Mittelwert und Varianz werden als lambda selbst berichtet und entsprechen den geschlossenen Poisson-Identitäten.

Praktische Nutzung, Grenzen, Preise und Bereitstellung

Nutzen Sie das Browser-Werkzeug, wenn Sie sofort eine Poisson-Wahrscheinlichkeit wollen, um eine Warteschlangen-Hausaufgabe zu prüfen, eine Support-Schicht zu dimensionieren oder Selten-Ereignis-Quoten zu erklären, ohne ein Statistikpaket zu installieren. Ergebnisse sind vollständig deterministisch: dieselben lambda und k ergeben stets dieselbe Wahrscheinlichkeit, denselben Kumulativwert, denselben Mittelwert und dieselbe Varianz. Es gibt kein Sprachmodell, keinen externen Wahrscheinlichkeitsdienst und keine Zufälligkeit, sodass die Fähigkeit sicher in Continuous-Integration-Prüfungen und reproduzierbaren Unterrichtsmaterialien festgenagelt werden kann.

Verdrahten Sie den Endpunkt in Kapazitätsplanungs-Tools, Defektraten-Tutorials, Coding-Interview-Sandkästen oder Ereigniszähl-Pipelines, wo Sie bereits geschlossene Poisson-Arithmetik gegenüber ungefähren Simulationshistogrammen bevorzugen, die nie zweimal ganz auf derselben Schwanzwahrscheinlichkeit landen.