Пуассоны тархалтыг ойлгох нь
Статистик болон магадлалын ертөнцөд бодит ертөнцийн үзэгдлийг загварчлахад янз бүрийн тархалтыг ашигладаг. Төрөл бүрийн салбарт түгээмэл хэрэглэгддэг нэг тархалт бол Пуассоны тархалт юм. Энэхүү тархалт нь өвөрмөц шинж чанартай бөгөөд байгалийн шинжлэх ухаанаас эхлээд инженерчлэл, эдийн засаг, нийгмийн шинжлэх ухаан хүртэл янз бүрийн хэрэглээнд маш хэрэгтэй байдаг. Энэ нийтлэлд Пуассоны тархалт, түүний шинж чанар, янз бүрийн нөхцөлд хэрэглэх талаар гүнзгий авч үзэх болно.
Пуассоны тархалтыг ойлгох нь
Пуассоны тархалт нь цаг хугацаа эсвэл орон зайн тогтмол интервалд үйл явдал хэдэн удаа тохиолдохыг тодорхойлдог дискрет магадлалын тархалт юм. Энэ тархалтыг анх Францын математикч Симеон Денис Пуассон 1837 онд нэвтрүүлсэн. Пуассоны тархалтыг ажиглалтын нийт тоонд ховор тохиолддог боловч олон тоогоор тохиолддог санамсаргүй үйл явдлуудыг загварчлахад ихэвчлэн ашигладаг.
Пуассоны тархалтын томъёог дараах байдлаар илэрхийлнэ.
\[ P(X = k) = \frac{\lambda^ke^{-\lambda}}{k!} \]
ди мана:
– \( P(X = k) \) нь өгөгдсөн интервалд k үйл явдал байх магадлал юм,
– \( \lambda \) нь интервал дахь үйл явдлуудын дундаж юм,
– \( k \) нь үйл явдлын тоо,
– \( e \) нь ойролцоогоор 2.71828 тэнцүү натурал логарифмын суурь юм.
Пуассоны тархалт нь үйл явдлууд бие биенээсээ хамааралгүй бөгөөд цаг хугацаа эсвэл орон зайн нэгж интервал дахь үйл явдлын дундаж тоо тогтмол гэсэн үндсэн таамаглалтай байдаг.
Пуассон тархалтын шинж чанарууд
Пуассоны тархалт нь бусад тархалтаас ялгагдах хэд хэдэн гол шинж чанартай байдаг. Пуассоны тархалтын үндсэн шинж чанаруудыг энд оруулав.
1. Дискрет ба сөрөг бус: Пуассоны тархалт дахь санамсаргүй хувьсагчид зөвхөн сөрөг бус бүхэл тоон утгуудыг (0, 1, 2, …) авч болно.
2. Үйл явдлын хамааралгүй байдал: Үйл явдал бүр бие биенээсээ хамааралгүй байх ёстой. Энэ нь нэг үйл явдлын тохиолдох нь өөр үйл явдлын тохиолдох магадлалд нөлөөлөхгүй гэсэн үг юм.
3. Тогтмол дундаж: Өгөгдсөн интервал доторх үйл явдлуудын дундаж тогтмол байх ёстой. Энэ нь үйл явдлын дундаж цаг хугацааны явцад өөрчлөгдвөл Пуассоны тархалт тохиромжгүй гэсэн үг юм.
4. Дан параметр (\( \lambda \)): Пуассоны тархалт нь зөвхөн нэг параметртэй бөгөөд энэ нь интервал дахь үйл явдлын дундаж тоо юм.
5. Дундаж ба дисперс: Пуассоны тархалтад дундаж (дундаж) ба дисперс (хувьсал) нь ижил байна, тухайлбал \( \lambda \).
Кейс судалгаа ба хэрэглээ
Пуассон тархалт нь бодит амьдрал дээр олон төрлийн хэрэглээтэй байдаг. Энэ тархалтын зарим нийтлэг жишээнд дараахь зүйлс орно.
1. Утасны дуудлагын тоо: Харилцагчийн үйлчилгээний төвд цагт хүлээн авсан утасны дуудлагын дундаж тоо 5 байна гэж бодъё. Пуассоны тархалтыг тухайн цагт хүлээн авсан дуудлагын тоог загварчлахад ашиглаж болно.
2. Зам тээврийн ослын тохиолдлууд: Тухайн уулзвар дээр сард дунджаар 3 зам тээврийн ослын тоо гардаг гэж үзье. Пуассоны тархалт нь дараагийн сард гарч болзошгүй ослын тоог урьдчилан таамаглахад тусална.
3. Ресторанд үйлчлүүлэгчдийн ирэлт: Хэрэв цагт ресторанд ирдэг үйлчлүүлэгчдийн дундаж тоо 10 бол Пуассоны тархалтыг тухайн цагт ирж болох үйлчлүүлэгчдийн тоог загварчлахад ашиглаж болно.
4. Генетикийн мутаци: Генетикийн хүрээнд Пуассоны тархалтыг тодорхой хугацааны туршид организмын бүлэгт генетикийн мутацийн тоог загварчлахад ашиглаж болно, учир нь мутаци нь ихэвчлэн ховор боловч тодорхой үйл явдлууд байдаг.
Пуассоны тархалтаар магадлалыг хэрхэн тооцоолох вэ
Пуассоны тархалтын хэрэглээг илүү сайн ойлгохын тулд Пуассоны тархалтын томъёог ашиглан магадлалыг хэрхэн тооцоолохыг авч үзье. Жишээ:
Нэг цагт дэлгүүрт ирдэг үйлчлүүлэгчдийн дундаж тоо 4 байна гэж үзье (\( \lambda = 4 \)). Бид өгөгдсөн цагт яг 6 үйлчлүүлэгч ирэх магадлалыг мэдэхийг хүсэж байна. Пуассоны томъёог ашиглан:
\[ P(X = 6) = \frac{4^6 e^{-4}}{6!} \]
Бид тооцоолж болно:
– \( 4^6 = 4096 \)
– \( e^{-4} \ойролцоогоор 0.0183 \)
– \( 6! = 720 \)
Тэгэхээр,
\[ P(X = 6) = \frac{4096 \cdot 0.0183}{720} \ойролцоогоор 0.104 \]
Тэгэхээр нэг цагийн дотор яг 6 үйлчлүүлэгч ирэх магадлал ойролцоогоор 10.4% байна.
Пуассон тархалтын давуу болон хязгаарлалтууд
Илүүдэл:
1. Энгийн бөгөөд хялбар: Пуассоны тархалт нь энгийн томъёотой бөгөөд зөвхөн нэг параметр (\( \lambda \)) шаарддаг тул ашиглахад хялбар болгодог.
2. Өргөн хэрэглээ: Энэ тархалт нь олон салбарт олон хэрэглээтэй байдаг, учир нь олон бодит үйл явдлыг ховор бөгөөд бие даасан үйл явдлуудтай тархалтаар загварчилж болно.
3. Бодит таамаглал: Дундаж утгын бие даасан байдал болон тогтвортой байдлын таамаглал нь ирж буй үйлчлүүлэгчдийн тоо эсвэл утасны дуудлагын тоо гэх мэт бодит ертөнцийн олон нөхцөл байдалд ихэвчлэн бодитой байдаг.
Кетербатасан:
1. Тогтмол дундаж үргэлж хангалттай байдаггүй: Бодит ертөнцийн олон нөхцөл байдалд үйл явдлын дундаж нь үргэлж тогтмол байдаггүй байж болно. Хэрэв дундаж нь цаг хугацааны явцад өөрчлөгдвөл Пуассоны тархалт үнэн зөв биш байж магадгүй юм.
2. Үйл явдлуудын бие даасан байдал: Үйл явдлууд бие биенээсээ хамааралгүй гэсэн таамаглал зарим нөхцөл байдалд үргэлж үнэн байдаггүй байж болно.
3. Зөвхөн бүхэл тоонд: Пуассоны тархалт нь зөвхөн бүхэл тоогоор тоологдож болох үйл явдлуудад тохиромжтой. Үүнийг тасралтгүй өгөгдөлд ашиглах боломжгүй.
Пуассоны тархалтын хувилбарууд
Пуассоны тархалт маш хэрэгтэй боловч илүү төвөгтэй нөхцөл байдалд тохируулан энэ тархалтын хэд хэдэн хувилбар болон өргөтгөлүүд байдаг. Нэг сайн мэддэг хувилбар бол Холимог Пуассоны тархалт бөгөөд энэ нь үйл явдлын дундаж тоо (\( \lambda \)) нь тодорхой тархалттай санамсаргүй хувьсагч байж болохыг хүлээн зөвшөөрдөг.
Мөн үйл явдлууд бүрэн бие даасан биш байж болох эсвэл маш ховор үйл явдлын магадлал нь стандарт Пуассоны загварт тохирохгүй нөхцөл байдлыг хангахын тулд стандарт Пуассоны тархалтын зарим таамаглалыг сулруулдаг Ерөнхий Пуассоны тархалт байдаг.
Дүгнэлт
Пуассоны тархалт нь цаг хугацаа эсвэл орон зайн тогтмол интервалд тохиолддог санамсаргүй үйл явдлуудыг загварчлахад ашигладаг статистик болон магадлалын хүчирхэг хэрэгсэл юм. \(\lambda\) гэсэн ганц гол параметртэй тул энэ нь хэрэглэгчийн үйлчилгээнээс эхлээд генетик хүртэлх бодит ертөнцийн олон төрлийн нөхцөл байдлыг тайлбарлах энгийн боловч үр дүнтэй аргыг санал болгодог. Зарим нөхцөл байдалд нарийвчлалыг нь хязгаарлаж болох зарим үндсэн таамаглалуудтай байдаг ч энгийн байдал, өргөн хэрэглээ нь үүнийг хамгийн алдартай, ашигтай магадлалын тархалтын нэг болгодог. Пуассоны тархалтыг ойлгох нь зөвхөн статистикийн шинжилгээнд туслахаас гадна байгалийн болон хүний гараар бүтсэн үзэгдэлд магадлалын хэв маяг хэрхэн ажилладагийг ойлгох боломжийг олгодог.
