泊松分布计算器

根据平均事件率计算泊松分布的精确、累计和上尾概率

适合固定区间内独立事件计数的概率计算。

示例结果

1 个示例

计算 λ=4 时发生 2 次的概率

计算平均发生率为 4 的泊松分布精确概率和累计概率。

{
  "result": {
    "exactProbability": 0.1465,
    "atMostProbability": 0.2381,
    "atLeastProbability": 0.9084
  }
}
查看输入参数
{ "rateLambda": 4, "occurrences": 2, "probabilityMode": "exact", "decimalPlaces": 4 }

关键信息

分类
数学、日期与金融
输入类型
number, select
输出类型
json
样本覆盖
4
支持 API
Yes

概览

泊松分布计算器是一款专为统计学和概率分析设计的在线工具，能够根据给定的平均事件率（λ）快速计算出在固定时间或空间区间内发生特定次数事件的概率。无论是计算恰好发生 k 次的精确概率，还是最多或至少发生 k 次的累计概率，该工具都能提供高精度的计算结果，非常适合质量控制、排队论、网络流量分析等领域的独立事件计数场景。

适用场景

  • •需要评估在已知平均发生率的情况下，某事件在特定时间段内发生特定次数的可能性时。
  • •进行排队论分析，例如预测客服中心在特定时间段内接到呼叫的数量分布。
  • •质量管理中，预估生产线上每批次产品出现缺陷数量的概率分布。

工作原理

  • •输入率参数 λ，即在指定区间内事件发生的平均次数。
  • •设定目标发生次数（k），即您希望计算概率的具体事件数量。
  • •选择所需的概率模式（恰好发生、最多发生或至少发生），并可自定义结果保留的小数位数。
  • •工具将自动应用泊松分布公式，瞬间输出精确概率和累计概率的计算结果。

使用场景

呼叫中心排班优化：根据历史数据得出每小时平均接听 50 个电话，计算一小时内接到超过 60 个电话的概率，以决定是否需要增加客服人员。
网站服务器流量监控：已知服务器平均每分钟收到 5 次异常访问请求，计算某分钟内收到 10 次以上请求的概率，用于设置安全警报阈值。
制造业缺陷率评估：某布料生产线平均每 100 平方米有 2 个瑕疵，计算下一卷 100 平方米布料中完全没有瑕疵（发生 0 次）的概率。

用户案例

1. 呼叫中心接线员排班评估

运营经理
背景原因
某客服中心在早高峰时段平均每分钟接到 4 个客户来电。
解决问题
需要评估一分钟内接到至少 7 个电话的概率，以判断当前排班是否足以应对突发的高呼叫量。
如何使用
将率参数 λ 设置为 4，发生次数设置为 7，概率模式选择“至少 k 次发生”。
示例配置
{"rateLambda": 4, "occurrences": 7, "probabilityMode": "at-least", "decimalPlaces": 4}
效果
工具计算得出至少发生 7 次的概率约为 0.1107（11.07%），经理据此决定在早高峰增加一名备用接线员。

2. 生产线产品缺陷概率计算

质量控制工程师
背景原因
一条玻璃面板生产线在稳定状态下，平均每块面板上会出现 1.5 个微小气泡。
解决问题
客户要求面板上的气泡数量不得超过 2 个，需要计算产品合格的概率。
如何使用
输入率参数 λ 为 1.5，发生次数设为 2，概率模式选择“最多 k 次发生”。
示例配置
{"rateLambda": 1.5, "occurrences": 2, "probabilityMode": "at-most", "decimalPlaces": 4}
效果
结果显示最多出现 2 个气泡的概率为 0.8088（80.88%），工程师了解到当前工艺的良品率水平，并计划进一步优化生产流程。

用 Samples 测试

math-&-numbers
AWS EventBridge 示例
AWS EventBridge 示例，包括事件总线、规则、目标、模式注册表、自定义事件和跨账户事件路由，适用于无服务器事件驱动架构
keywords event,lambda
sample
时区协作排期器 ICS 样本
与 Time Zone Workflow Scheduler 返回结构一致的 ICS 文件样本，包含多个候选会议 VEVENT
keywords event,rate
sample
事件溯源示例
全面的事件溯源模式，涵盖事件存储、CQRS架构、状态重建和事件版本管理策略
keywords event,rate
sample
Ethers.js 以太坊库
Ethers.js 示例，包括提供者、钱包、合约、交易、事件、签名、实用程序和区块链交互模式
keywords event
sample

相关专题

音频编码与格式转换工具
在一个专题里比较音频格式转换、码率调整、采样率转换、编码切换和导出工具，适合交付与归档工作流。
图片格式转换与动画导出工具
在一个专题里比较 JPG、PNG、GIF、AVIF、WebP、TIFF、ICO、base64 以及动画导出相关的图片格式转换工具。
JSON 交换与格式翻译工具
在一个专题里比较 JSON 与 CSV、YAML、TOML、GraphQL、XML、Markdown、Excel、BSON、EDN 等结构化格式之间的转换工具。
面向网页与印刷的色彩空间转换工具
围绕网页到印刷的色彩空间转换整理的一组工具。

常见问题

什么是泊松分布的率参数 λ？

率参数 λ（Lambda）代表在固定时间、空间或体积等区间内，事件发生的平均次数。它是泊松分布的唯一参数。

泊松分布适用于哪些类型的事件？

泊松分布适用于在固定区间内随机且独立发生的离散事件，例如某路口每小时通过的车辆数或一页书上的错别字数量。

“最多 k 次”和“至少 k 次”有什么区别？

“最多 k 次”是计算发生 0 到 k 次的累计概率（下尾）；“至少 k 次”是计算发生 k 次及以上直到无穷大的累计概率（上尾）。

为什么计算结果包含多个概率值？

为了方便全面分析，工具会同时输出恰好发生 k 次的精确概率，以及最多和至少发生 k 次的累计概率，满足不同的统计需求。

输入的发生次数可以是小数吗？

不可以。泊松分布用于描述离散事件的计数，因此发生次数（k）必须是非负整数。

API 文档

请求端点

POST /zh/api/tools/poisson-distribution-calculator

请求参数

参数名 类型 必填 描述
rateLambda number 是 -
occurrences number 是 -
probabilityMode select 否 -
decimalPlaces number 否 -

响应格式

{
  "key": {...},
  "metadata": {
    "key": "value"
  },
  "error": "Error message (optional)",
  "message": "Notification message (optional)"
}
JSON数据: JSON数据

AI MCP 文档

将此工具添加到您的 MCP 服务器配置中： 

{
  "mcpServers": {
    "elysiatools-poisson-distribution-calculator": {
      "name": "poisson-distribution-calculator",
      "description": "根据平均事件率计算泊松分布的精确、累计和上尾概率",
      "baseUrl": "https://elysiatools.com/mcp/sse?toolId=poisson-distribution-calculator",
      "command": "",
      "args": [],
      "env": {},
      "isActive": true,
      "type": "sse"
    }
  }
}

你可以串联多个工具，比如：`https://elysiatools.com/mcp/sse?toolId=png-to-webp,jpg-to-webp,gif-to-webp`，最多20个。

如果遇见问题，请联系我们：[email protected]