erkläre die poisson verteilung
- User
erkläre die poisson verteilung
Assistant
Die Poisson-Verteilung ist eine diskrete Wahrscheinlichkeitsverteilung, die die Anzahl von Ereignissen in einem festen Intervall (z. B. Zeit, Raum) modelliert, wenn diese Ereignisse unabhängig voneinander und mit einer konstanten durchschnittlichen Rate auftreten.
Wichtige Eigenschaften:
- Diskrete Verteilung: Sie beschreibt die Wahrscheinlichkeit für eine bestimmte Anzahl von Ereignissen (z. B. 0, 1, 2, ...).
- Parameter λ (Lambda): Dies ist der Erwartungswert (Mittelwert) der Verteilung, also die durchschnittliche Anzahl der Ereignisse im Intervall.
- Annahmen:
- Die Ereignisse treten unabhängig voneinander auf.
- Die Wahrscheinlichkeit für ein Ereignis ist in kleinen Intervallen proportional zur Intervalllänge.
- Die Rate λ ist konstant.
Wahrscheinlichkeitsfunktion:
Die Wahrscheinlichkeit, dass genau ( k ) Ereignisse auftreten, ist gegeben durch: [ P(X = k) = \frac{\lambda^k \cdot e^{-\lambda}}{k!} ] wobei:
- ( k ) = Anzahl der Ereignisse (( k = 0, 1, 2, \dots ))
- ( \lambda ) = Erwartungswert (mittlere Anzahl der Ereignisse)
- ( e ) = Euler'sche Zahl (~2,71828)
- ( k! ) = Fakultät von ( k )
Erwartungswert und Varianz:
- Erwartungswert (Mittelwert): ( E(X) = \lambda )
- Varianz: ( \text{Var}(X) = \lambda )
Anwendungsbeispiele:
- Anzahl der Anrufe in einer Telefonzentrale pro Stunde.
- Anzahl der Fehler in einem Text pro Seite.
- Anzahl der Kunden, die einen Laden pro Tag betreten.
Zusammenhang mit anderen Verteilungen:
- Die Poisson-Verteilung ist eine Grenzfall der Binomialverteilung, wenn die Anzahl der Versuche ( n ) sehr groß wird und die Erfolgswahrscheinlichkeit ( p ) sehr klein ist, sodass ( \lambda = n \cdot p ) konstant bleibt.
- Sie ist auch mit der Exponentialverteilung verwandt, die die Zeit zwischen Poisson-verteilten Ereignissen beschreibt.
Beispiel:
Angenommen, in einer Bankfiliale kommen durchschnittlich ( \lambda = 3 ) Kunden pro Stunde an. Wie hoch ist die Wahrscheinlichkeit, dass in einer Stunde genau 2 Kunden kommen?
Lösung: [ P(X = 2) = \frac{3^2 \cdot e^{-3}}{2!} = \frac{9 \cdot e^{-3}}{2} \approx 0,224 \quad (\text{ca. 22,4%}) ]
Zusammenfassung:
Die Poisson-Verteilung ist nützlich, um seltene, zufällige Ereignisse zu modellieren, bei denen die durchschnittliche Häufigkeit bekannt ist. Sie wird in vielen Bereichen wie Warteschlangentheorie, Biologie, Versicherungsmathematik und Qualitätskontrolle eingesetzt.
Other models, same or similar prompt
Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.