Points clés
- Catégorie
- Maths, dates et finance
- Types d’entrée
- number, select
- Type de sortie
- json
- Couverture des échantillons
- 4
- API disponible
- Yes
Vue d’ensemble
Le Calculateur de distribution de Poisson est un outil mathématique conçu pour évaluer la probabilité qu'un nombre spécifique d'événements se produise dans un intervalle de temps ou d'espace fixe. En saisissant simplement le taux moyen d'occurrence (lambda) et le nombre d'événements souhaité, vous obtenez instantanément les probabilités exactes, cumulées (au plus) et complémentaires (au moins), idéales pour l'analyse de données, la gestion des stocks ou le contrôle qualité.
Quand l’utiliser
- •Lorsque vous devez prédire le nombre d'appels reçus par un centre d'assistance en une heure.
- •Pour estimer la probabilité de défauts de fabrication sur une chaîne de production.
- •Lors de la modélisation du trafic web ou du nombre de visiteurs arrivant sur un site par minute.
Comment ça marche
- •Entrez le taux moyen d'occurrence (Lambda) pour votre intervalle donné.
- •Spécifiez le nombre d'occurrences (k) que vous souhaitez évaluer.
- •Choisissez le mode de probabilité (exactement, au plus, ou au moins) et définissez la précision des décimales.
- •L'outil calcule et affiche instantanément les probabilités exactes et cumulées au format JSON.
Cas d’usage
Exemples
1. Prévision des appels au support technique
Responsable de centre d'appels- Contexte
- Un centre d'assistance reçoit en moyenne 4 appels par heure. Le responsable veut connaître la probabilité de recevoir exactement 2 appels lors de la prochaine heure.
- Problème
- Calculer la probabilité exacte pour un faible nombre d'occurrences afin d'ajuster les effectifs.
- Comment l’utiliser
- Saisissez 4 dans le champ Taux lambda, 2 dans Occurrences, et sélectionnez le mode 'Exactement k occurrences'.
- Configuration d’exemple
-
{ "rateLambda": 4, "occurrences": 2, "probabilityMode": "exact", "decimalPlaces": 4 } - Résultat
- L'outil indique une probabilité exacte de 0.1465 (14,65%) de recevoir exactement 2 appels, ainsi que les probabilités cumulées.
2. Évaluation des défauts de fabrication
Ingénieur Qualité- Contexte
- Une machine produit en moyenne 1.5 pièces défectueuses par jour. L'ingénieur doit s'assurer que la probabilité d'avoir 3 défauts ou plus reste faible.
- Problème
- Déterminer la probabilité cumulée d'obtenir au moins 3 défauts en une journée.
- Comment l’utiliser
- Entrez 1.5 comme Taux lambda, 3 comme Occurrences, et choisissez 'Au moins k occurrences'.
- Configuration d’exemple
-
{ "rateLambda": 1.5, "occurrences": 3, "probabilityMode": "at-least", "decimalPlaces": 4 } - Résultat
- Le calculateur fournit la probabilité d'obtenir 3 défauts ou plus, permettant à l'ingénieur de valider si les normes de qualité sont respectées.
Tester avec des échantillons
math-&-numbersHubs associés
FAQ
Qu'est-ce que le taux Lambda (λ) ?
Le taux Lambda représente le nombre moyen de fois qu'un événement se produit dans un intervalle de temps ou d'espace donné.
Quelle est la différence entre les probabilités 'au plus' et 'au moins' ?
'Au plus' calcule la probabilité d'obtenir de 0 à k occurrences (cumulée), tandis que 'au moins' calcule la probabilité d'obtenir k occurrences ou plus.
Puis-je utiliser des nombres décimaux pour Lambda ?
Oui, le taux moyen (Lambda) peut être un nombre décimal (par exemple, 2.5 événements par heure).
Le nombre d'occurrences (k) peut-il être décimal ?
Non, le nombre d'occurrences doit être un nombre entier positif ou nul, car il représente un comptage d'événements discrets.
Pourquoi utiliser la loi de Poisson plutôt que la loi binomiale ?
La loi de Poisson est préférable lorsque le nombre d'essais est très grand et la probabilité de succès très faible, ou lorsque seul le taux moyen d'occurrence est connu.