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 평균 발생률이 λ(그리스 문자 람다)일 때 정확히 k개의 사건이 발생할 확률을 나타냅니다.

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

각 기호의 의미는 다음과 같습니다.

• λ(람다) — 구간당 사건의 평균 개수입니다. 이 분포의 유일한 모수입니다.
• 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.

풀이 예시

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

1. e^(−5) ≈ 0.006738
2. 5^3 = 125
3. 3! = 3 × 2 × 1 = 6
4. 곱셈: 0.006738 × 125 ≈ 0.842243
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: 동전을 20번 던지는 경우처럼 시행 횟수가 정해져 있고 각 시행의 성공 확률을 알고 있을 때 사용합니다. 시행 횟수가 매우 커지고 시행당 성공 확률이 0에 가까워지는 동안 두 값의 곱이 λ 부근에 유지되면, 이항분포는 푸아송 분포로 수렴합니다.
• 정규분포: λ가 큰 경우, 대략 20보다 클 때 푸아송 분포는 평균과 분산이 각각 λ인 종 모양의 정규분포와 거의 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 법정 판결에 확률을 적용한 책에서 1837년에 이 분포를 소개했습니다. 처음에는 큰 관심을 받지 못했습니다. 라디슬라프 보르트키에비치와 로널드 피셔 같은 통계학자들이 프로이센 병사들이 말발굽에 차여 사망한 유명한 연구를 비롯해 실제 도수 자료에 이를 적용한 뒤, 20세기 초에 사용이 확대되었습니다.

자주 묻는 질문

푸아송 분포에서 람다(λ)는 무엇을 의미하나요? 람다는 연구하는 구간에서 예상되는 사건의 평균 개수입니다. 또한 분포의 분산이기도 하므로 λ가 클수록 평균 개수가 많고 가능한 결과의 변동 폭도 커집니다.

k 또는 λ가 음수이거나 분수가 될 수 있나요? λ는 0보다 커야 하지만 시간당 2.5건처럼 소수일 수 있습니다. k는 실제 사건을 세는 값이므로 0 이상의 정수여야 하며, 음수나 분수가 될 수 없습니다.

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

대신 정규분포를 사용해야 하는 경우는 언제인가요? λ가 큰 경우, 일반적으로 약 20보다 클 때는 같은 평균과 분산을 갖는 정규분포가 푸아송 분포를 매우 가깝게 근사하므로 손으로 계산하기도 더 쉽습니다.

계산기에 가끔 과학적 표기법으로 숫자가 표시되는 이유는 무엇인가요? 결과는 보통 소수점 이하 여섯 자리까지 표시됩니다. 확률이 0.0001보다 작으면 소수점 이하 여섯 자리로 반올림할 때 0.000000이 되어 실제로 얼마나 작은지 알 수 없으므로, 계산기는 대신 과학적 표기법으로 전환합니다. λ = 20이고 k = 1이면 4.122307e-8로 표시되며, 이는 0.00000004122307을 의미합니다.

계산기가 허용하는 값에 제한이 있나요? 네. λ는 0보다 크고 700 이하이어야 하며, k는 0부터 1000까지의 정수여야 합니다. 이 범위를 벗어나면 계산기에 오류가 표시됩니다. 이러한 상한은 결과가 컴퓨터가 저장할 수 있는 숫자 범위 안에 있도록 하고, 차트의 막대 수를 읽기 쉬운 수준으로 유지합니다.

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

참고 문헌

1. Poisson, Siméon Denis. Recherches sur la probabilité des jugements en matière criminelle et en matière civile. 파리, 1837.
2. Haight, Frank A. Handbook of the Poisson Distribution. 뉴욕: John Wiley & Sons, 1967.
3. "Poisson Distribution." NIST/SEMATECH 통계 방법 e-핸드북, 절 1.3.6.6.19. https://www.itl.nist.gov/div898/handbook/eda/section3/eda366j.htm
4. Johnson, Norman L., Adrienne W. Kemp, and Samuel Kotz. Univariate Discrete Distributions. John Wiley & Sons, 2005.