UTILS.
Privadas por padrão
🎯

Calculadora de Distribuição de Poisson

Probabilidades de Poisson exata, cumulativa e de cauda para uma taxa média λ e contagem k, além de média, variância e desvio padrão.

Seus arquivos ficam neste dispositivo

Os arquivos são processados no navegador, nunca enviados. O site baixa o código e os recursos necessários. Sem contas ou rastreadores.

Use Baixar para salvar esta ferramenta em um único arquivo HTML para uso offline.

Privacidade →

λ é o número médio de eventos por intervalo; k é um número inteiro de eventos. Ambos atualizam os resultados ao vivo.

Sobre esta ferramenta

A Calculadora de Distribuição de Poisson fornece a probabilidade de um número de eventos k ocorrerem em um intervalo fixo quando eles acontecem independentemente a uma taxa média constante λ (lambda). Digite a taxa média e uma contagem e ela retorna as probabilidades exata e cumulativa ao vivo, tudo calculado no seu navegador.

A função massa de probabilidade é P(X = k) = λᵏ·e^(−λ) / k!. Para se manter numericamente estável com contagens grandes, a ferramenta a avalia no espaço logarítmico como exp(−λ + k·ln λ − ln k!), usando uma aproximação de Lanczos para o log-fatorial. Ela também soma a função de massa para dar a cumulativa P(X ≤ k), a estrita P(X < k) e a cauda superior P(X ≥ k). Uma propriedade definidora da distribuição de Poisson é que sua média e sua variância são ambas iguais a λ, então o desvio padrão é √λ.

Use-a para chegadas por hora, defeitos por lote, chamadas por minuto, contagens de decaimento e qualquer processo de eventos raros em que a contagem seja um inteiro não negativo. A taxa λ deve ser maior que zero e k deve ser um número inteiro de zero ou mais.

Perguntas frequentes

O que é λ (lambda)?
Lambda é o número médio de eventos esperados no intervalo — a taxa média. Para um processo de Poisson, também é a variância, então o desvio padrão é √λ. Deve ser um número positivo, mas não precisa ser inteiro.
Como P(X = k) é calculado para k grande?
No espaço logarítmico: exp(−λ + k·ln λ − ln k!), onde ln k! vem de um log-gama de Lanczos. Isso evita o estouro de calcular λᵏ ou k! diretamente, então contagens muito grandes permanecem precisas.
Qual é a diferença entre P(X ≤ k) e P(X ≥ k)?
P(X ≤ k) é a probabilidade cumulativa de k ou menos eventos; P(X ≥ k) é k ou mais. Elas se sobrepõem exatamente em k, então P(X ≤ k) + P(X ≥ k) = 1 + P(X = k), não 1. A ferramenta também mostra a estrita P(X < k).
Quando o modelo de Poisson é apropriado?
Quando os eventos ocorrem independentemente a uma taxa média constante ao longo de um intervalo fixo de tempo ou espaço, e dois eventos não podem acontecer no exato mesmo instante. Exemplos incluem chegadas, defeitos, erros de digitação por página e decaimentos radioativos.

Mais ferramentas