푸아송 분포 계산기 - 사건 확률 계산

푸아송 분포 계산기란?

푸아송 분포 계산기는 사건이 평균적으로 얼마나 자주 발생하는지를 바탕으로, 일정한 시간 또는 공간에서 특정 개수의 사건이 발생할 확률을 구합니다. 사건이 한 번에 하나씩 서로 독립적으로 일정한 평균 비율로 발생할 때 사용합니다. 대표적인 예로 콜센터가 한 시간에 받는 전화 수나 한 페이지의 오타 수가 있습니다.

푸아송 분포 공식

푸아송 분포는 구간 안의 평균 사건 수가 λ(그리스 문자 람다)일 때 사건이 정확히 k번 일어날 확률을 나타냅니다. 확률질량함수는 다음과 같습니다.

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

각 기호의 의미는 다음과 같습니다.

• λ(람다) — 구간당 평균 사건 수입니다. 이 분포에 필요한 입력값은 이것 하나뿐입니다.
• k — 확률을 계산하려는 사건의 정확한 개수입니다. 정수 0 이상이어야 합니다.
• e — 약 2.71828과 같은 고정 상수인 오일러 수입니다.
• k! — “k의 계승”으로, 1부터 k까지 모든 정수를 곱한 값입니다. 예를 들어 4! = 4 × 3 × 2 × 1 = 24입니다. 관례적으로 0! = 1입니다.

이 공식에는 λ와 k만 필요합니다. 이항분포와 달리 전체 시행 횟수는 필요하지 않습니다.

푸아송 확률 계산 방법

1. 연구하는 구간에서 사건의 평균 개수인 λ를 정합니다.
2. 확률을 구할 사건의 정확한 개수인 k를 정합니다.
3. e를 음의 λ 제곱으로 올립니다. 결과는 e^(−λ)입니다.
4. λ를 k제곱으로 올립니다. 결과는 λ^k입니다.
5. k의 계승인 k!를 구합니다.
6. 3단계와 4단계의 결과를 곱한 다음, 5단계의 결과로 나눕니다.

나온 값은 0과 1 사이의 확률입니다. 백분율로 나타내려면 100을 곱합니다.

계산 예시

한 콜센터는 시간당 평균 5통의 전화를 받습니다(λ = 5). 특정 한 시간에 정확히 3통을 받을 확률은 얼마입니까(k = 3)?

1. e^(−5) ≈ 0.00673795
2. 5^3 = 125
3. 3! = 3 × 2 × 1 = 6
4. 곱하기: 0.00673795 × 125 ≈ 0.842244
5. 6으로 나눔: 0.842244 ÷ 6 ≈ 0.140374

해당 시간에 정확히 3통의 전화를 받을 확률은 약 0.140, 즉 14%입니다.

추가 예제

푸아송 분포의 사용 분야

푸아송 분포는 드물고 서로 독립적인 사건의 개수를 모델링합니다. 일반적인 사용 분야는 다음과 같습니다.

• 콜센터와 고객 서비스: 시간당 도착하는 전화나 채팅의 수를 예측합니다.
• 제조업: 제품 배치의 결함 수를 추정합니다.
• 보험: 일정 기간에 접수될 보험금 청구 건수를 추정합니다.
• 생물학과 의학: 돌연변이 수나 희귀 질환의 확산을 모델링합니다.
• 물리학: 각 원자가 일정한 평균 비율로 독립적으로 붕괴하는 방사성 붕괴를 설명합니다.
• 교통 및 네트워크 공학: 교차로에 도착하는 차량이나 서버로 들어오는 요청의 수를 추정합니다.

푸아송 분포를 사용하기 위한 조건

푸아송 분포는 다음 조건을 모두 만족하는 경우에만 상황에 적합합니다.

• 사건은 한 번에 하나씩 발생합니다. 두 사건이 정확히 같은 순간에 발생할 수 없습니다.
• 사건은 독립적으로 발생합니다. 한 사건이 다음 사건의 발생 가능성을 높이거나 낮추지 않습니다.
• 평균 발생률 λ는 연구하는 구간 전체에서 일정합니다.

시간이 지남에 따라 발생률이 변하거나 사건이 서로 모이는 경향이 있다면, 일반적인 푸아송 분포는 데이터를 잘 설명하지 못합니다.

푸아송 분포와 관련 분포의 비교

• 이항분포: 시행 횟수가 정해져 있고 각 시행의 성공 확률을 알고 있을 때 사용하며, 동전을 20번 던지는 경우가 그 예입니다. 푸아송 분포는 각 시행에서 사건이 일어날 확률은 매우 작지만 시행 횟수는 매우 큰 경우에 들어맞습니다. 이때 시행 횟수와 시행당 확률의 곱이 λ의 역할을 합니다.
• 정규분포: λ가 클 때 푸아송 분포는 평균과 분산이 모두 λ인 종 모양의 정규분포와 비슷해집니다.
• 지수분포: 푸아송 분포가 일정한 구간에서 발생하는 사건의 수를 세는 반면, 지수분포는 사건 사이의 대기 시간을 나타냅니다.

역사에 관한 참고 사항

프랑스의 수학자 시메옹 드니 푸아송은 법원 판결에 확률을 적용한 책에서 1837년에 이 분포를 소개했습니다. 이 연구는 당시에는 거의 주목받지 못했습니다. 1898년에 라디슬라우스 보르트키에비츠가 The Law of Small Numbers를 출간했습니다. 그는 해마다 말발굽에 차여 사망한 프로이센 병사의 수를 이용하여 큰 모집단에서 드문 사건은 푸아송 분포를 따른다는 것을 보였습니다.

자주 묻는 질문

푸아송 분포에서 람다(λ)는 무엇을 뜻합니까? 람다는 연구하는 구간에서 기대되는 평균 사건 수입니다. 분산과도 같은 값이며, 표준편차가 √λ이므로 λ가 클수록 평균 횟수도 높아지고 가능한 결과의 퍼짐도 커집니다.

k나 λ는 음수이거나 분수일 수 있습니까? λ는 0보다 커야 하지만, 시간당 2.5건처럼 소수일 수 있습니다. k는 실제 사건 수를 세는 값이므로 0 이상의 정수여야 하며, 음수이거나 분수일 수 없습니다. 이 계산기는 수치 안정성을 위해 λ를 700까지, k를 1,000까지로 제한합니다.

푸아송 분포는 이항분포와 어떻게 다릅니까? 이항분포에는 정해진 시행 횟수와 시행당 고정된 성공 확률이 필요합니다. 푸아송 분포에는 평균 발생률만 필요하며, 원칙적으로 얼마든지 여러 번 발생할 수 있는 사건에 적용됩니다.

정규분포는 언제 대신 사용해야 합니까? λ가 크면 평균과 분산이 같은 정규분포가 푸아송 분포를 매우 가깝게 근사하며, 손으로 계산하기에도 대개 더 쉽습니다.

계산기가 가끔 숫자를 과학적 표기법으로 보여 주는 이유는 무엇입니까? 확률이 0.0001보다 작으면 계산기는 소수점 아래 여섯 자리의 과학적 표기법으로 바꿉니다(예: 1.000000e-7). 그보다 큰 결과는 소수점 아래 여섯 자리로 표시합니다. 소수점 아래 여섯 자리로 고정하여 표시하면 아주 작은 결과가 0.000000으로 보여 얼마나 작은지 알 수 없게 됩니다.

푸아송 분포는 동시에 둘 이상의 사건이 발생하는 경우를 허용합니까? 아니요. 이 모델은 사건이 한 번에 하나씩 발생한다고 가정합니다. 두 사건이 함께 발생하는 일이 반복된다면 다른 분포가 데이터에 더 잘 맞습니다.

참고 자료

1. NIST/SEMATECH. e-Handbook of Statistical Methods, 1.3.6.6.19 Poisson Distribution. NIST: 푸아송 분포 — 확률질량함수, 평균 λ, 표준편차 √λ.
2. 세인트앤드루스 대학교 맥튜터 수학사 아카이브. Siméon-Denis Poisson. 맥튜터: 푸아송 — 이 분포는 1837년 Recherches에 처음 나타나며, 작은 확률과 많은 시행 횟수를 다루고, 당시에는 거의 주목받지 못했습니다.
3. 세인트앤드루스 대학교 맥튜터 수학사 아카이브. Ladislaus Bortkiewicz. 맥튜터: 보르트키에비츠 — The Law of Small Numbers(1898년)와 프로이센 말발굽 사고 자료.