Differences

This shows you the differences between two versions of the page.

--- poisson_distribution [2019/11/05 08:01] – hkimscil
+++ poisson_distribution [2025/10/12 20:10] (current) – hkimscil
@@ Line 1: / Line 1: @@
 ====== Poisson distribution ======
 {{youtube>jmqZG6roVqU}}
+\\
 Poisson (포아송) distribution: __일정한 단위의 시간이나 단위 공간에서 한 사건이 발생하는 확률(probability)을 구하는데 사용하는 이산형 확률분포.__
   * 한 시간 동안 방문하는 고객불만 전화의 수
@@ Line 12: / Line 12: @@
 Lambda를 알고 있을 때, 사건이 x만큼 발생할 확률은 어떨까에 대한 답은 아래와 같이 구한다. 여기서 e는 2.718282 의 상수이다.
+<code>
+e <- exp(1)
+e
+</code>
+<code>
+> e <- exp(1)
+> e
+[1] 2.718282
+</code>
 \begin{eqnarray*}
 P(X = x) & = & \frac {\lambda^{x} e^{-\lambda}}{x!}, \;\; \text{for } x = 0, 1, 2, 3, . . . \\
 \end{eqnarray*}
-===== e.g., =====
 R에서는 ''dpois(x, lambda)''의 명령어를 사용하여 확률을 구한다. 예를 들면 신한은행 마포 지점의 시간 당 평균 손님방문이 30명이라고 한다면, 즉 lambda = 30일 때, 시간 당 25명이 방문할 확률은 아래와 같다 (0.05111534).
@@ Line 42: / Line 55: @@
 </code>
-===== e.g. ppois =====
 한달 평균 경부고속도로에서 자동차 사고가 날 수는 30이라고 한다. 그렇다면 이번 달 사고가 28번 이하일 확률은?
@@ Line 69: / Line 81: @@
 [53] 4.242949e-05 2.357194e-05 1.285742e-05 6.887904e-06
 [57] 3.625212e-06 1.875110e-06 9.534457e-07 4.767229e-07
-> plot(dpois(x=x, lambda=30))
+> plot(dpois(x=x, lambda=30), type = "l") # 아래 그림 참조
-> plot(dpois(x=x, lambda=30), type = "l")
 > dpois(x=30, lambda=30)
 [1] 0.07263453
 > </code>
+{{:pasted:20191105-073316.png}}
-<code>
-e <- exp(1)
-e
-</code>
-<code>
-> e <- exp(1)
-> e
-[1] 2.718282
-</code>
 \begin{eqnarray*}