在線即時計算器 · 純前端本地秒算 · 零數據上傳

🎲 Poisson Probability 計算機

專業免費的 Poisson Probability 計算機。純前端本機毫秒級計算、零資料上傳、極致隱私保護。提供詳細公式推導、實例示範與常見問答。

即時推算結果 (Computed Output)
0.224042 恰好發生 k 次的機率
專業公認計算模型,即時運算完畢
📜 計算歷史記錄 (試算軌跡)
尚無歷史記錄,每次點擊「計算」將在此留下試算軌跡...

什麼是卜瓦松機率計算器?

卜瓦松分佈(Poisson distribution)用來描述某事件在固定的時間、空間或體積區間內發生的次數,前提是這些事件彼此獨立、且以固定的平均速率發生。本計算器可算出 P(X = k),也就是恰好觀察到 k 次事件的機率,並一併提供累積機率與尾端機率。常見應用包括客服中心的來電數量、網站每分鐘的點擊次數、每批產品的瑕疵數、每場比賽的進球數,以及放射性衰變的計數等。

如何使用

請輸入平均發生率 λ(也就是該區間內事件的期望次數),以及目標次數 k(必須為非負整數)。計算器會回傳恰好 k 次事件的機率,並附上四種相關機率:P(X < k)、P(X ≤ k)、P(X ≥ k) 與 P(X > k)。請務必確認 λ 與 k 指的是同一個區間——例如從「每小時」改為「每天」時,記得依比例調整 λ 的數值。

公式說明

卜瓦松機率質量函數為

P(X = k) = ((\lambda^{ k} e^{-\lambda}) ÷ (k!))

其中 e ≈ 2.71828 為歐拉數,k! 則是 k 的階乘。其中 \lambda^{ k} 會隨事件次數增加而變大,e^{-\lambda} 是用來正規化的衰減因子,而除以 k! 則是為了消除事件排列順序無法區分所造成的重複計算。

實例演算

假設某家店平均每小時來客數為 \lambda = 3 人,而你想知道接下來一小時內恰好來 k = 2 位客人的機率。

P(X = 2) = ((3^{2} · e^{-3}) ÷ (2!)) = ((9 × 0.049787) ÷ (2)) = ((0.448084) ÷ (2)) = 0.224042

約為 22.4%。

使用注意事項與精準校對原則(6 大核心守則)

📐 1. 嚴格對齊輸入量綱與單位

輸入各項數值時請務必確認量綱(例如小時、天數、金額、百分比),避免單位不匹配引發推算偏差。

🔒 2. 純前端本機毫秒級隱私保障

所有計算邏輯 100% 在您的終端瀏覽器內完成,資料絕不上傳伺服器,嚴格守護商業與個人隱私。

📊 3. 符合公認學術與產業計算模型

演算法嚴格遵循國際通用數學公式與標準計算模型,經多重情境交叉核對,數值嚴密精確。

📋 4. 一鍵複製與免登入 PDF 匯出

支援一鍵複製推算結果字串至剪貼簿,亦可直接點擊列印按鈕輸出純淨 PDF 工作報表。

🔄 5. 多情景敏感度動態對比

建議針對極端值與多組預期情景分別試算,觀察輸出數據的波動區間,輔助做出更穩健的決策。

🛡️ 6. 專業諮詢與日常參考免責聲明

本工具運算結果供日常排程、學業研習與事前參考之用,如涉及重大法規或投資決策請諮詢持證專家。

常見問題 (FAQ)

λ 代表什麼?
它是分佈的平均值(同時也是變異數)——也就是每個區間內事件的期望發生次數。
k 可以大於 λ 嗎?
可以。k 可以是任何非負整數;只是當 k 離 λ 越遠,對應的機率就會越小。
什麼情況適合使用卜瓦松模型?
當事件彼此獨立、以固定的平均速率發生,且兩個事件不會在完全相同的瞬間同時發生時,便適用此模型。