ポアソン分布計算機

とは / 概念解説

あるコールセンターが毎時間平均5件の苦情電話を受け取り、来週月曜日の午前10時から11時の間に0件の電話を受け取る確率は何でしょうか？またはある病院の救急室は10分ごとに平均1.2人の患者が来院し、ある10分間にちょうど3人の患者が来る確率を知りたいですか？これらのシナリオはすべてポアソン分布を使って推定するのに適しています。ポアソン分布は、固定された時間/空間/領域内でイベントが発生する回数に従う離散確率分布であり、数学者シモン・ドゥニ・ポアソンによって1837年に提案されました。その主要な仮定は：イベントは相互に独立しており、発生速度は一定です（λは平均発生回数）。

この計算機では、λ（平均発生率）とk（検索したいイベント回数）の2つの数値を入力するだけで、ちょうどk回発生する確率と累積確率（≤kと≥k）を計算します。

原理と公式 / アルゴリズム

ポアソン確率の公式は非常にシンプルです：P(X=k) = (λ^k × e^-λ) / k!

各変数の意味：

• λ — 単位区間内でイベントが発生する平均回数（例：1時間あたり平均5通の電話）
• k — 検索したい回数（例：0通）
• e — 自然定数、約2.71828
• k! — kの階乗（k×(k-1)×...×1）

なぜこのような公式なのか？簡単に言うと：ポアソン分布は、試験回数が非常に多く、確率が非常に小さい場合の二項分布の極限です。λは期待値を表し、e^-λはすべての確率の合計が1であることを保証し、λ^k/k!はkが増加するにつれて先に増加してから減少し、全体的に単峰形を形成します。

計算機は同時に累積確率を提供します：P(X ≤ k) = ≤kのすべての確率の合計、および P(X ≥ k) = 1 - P(X ≤ k-1)。右側の結果カードでこれら3つの値を確認できます。

使用手順 / このツールの使い方

ポアソン分布計算機を開くと、2つの入力フィールドが表示されます：

1. 「平均発生率 λ」の入力フィールドにλ値を入力します。例えば、1時間あたり平均5回であれば、5を入力します。
2. 「事象回数 k」の入力フィールドに検索したい回数を入力します。例えば、0の場合。
3. 隣の「計算」ボタンをクリック（またはページデザインに応じて入力後に自動計算）します。
4. 右側の結果エリアに以下が表示されます：
   • P(X = k)：ちょうどkに等しい確率
   • P(X ≤ k)：k以下の累積確率
   • P(X ≥ k)：k以上の累積確率

注意：λとkの両方とも≥0の数値である必要があり、kは整数です。小数点kを入力した場合、計算機は自動的に四捨五入します。

完全な計算例 / 実践手順

実際のシナリオで説明します：あるカスタマーサービスセンターが平均1時間に4件の顧客電話を受け取ります（λ=4）。ある時間に正確に2件の電話を受け取る確率は何ですか？

ステップ1：λ入力フィールドに4を入力し、k入力フィールドに2を入力します。
ステップ2：計算をクリックします。計算機は内部で公式に代入します：P(X=2) = 4² × e^-4 / 2! = 16 × 0.018316 / 2 = 0.1465。結果表示：P(X=2) ≈ 0.1465（約14.65%）。
ステップ3：同時に累積確率が表示されます：P(X≤2) ≈ 0.2381（23.81%）、P(X≥2) ≈ 0.9084（90.84%）。

解釈：1時間あたり平均4件の電話ですが、ちょうど2件の確率は高くありません（14.65%）。これは変動が大きいためです。確率が最大のkは3と4（λ付近）です。

対照計算例（極値）：λ=0.2、k=0の場合（稀なイベント、例えば5時間に1回だけ発生）。0.2と0を入力して、P(X=0) = e^-0.2 ≈ 0.8187（81.87%）を取得します。これは低い発生率の下では、ほとんどの時間でイベントが全く発生しないことを示しています。逆に、λ=10、k=15の場合、P≈0.0347（3.47%）で、λ付近の確率より大きく小さいです。

結果の解釈方法 / 数値の意味

日常使用では、0.05の閾値は異常判定に一般的に使用されます（統計検定のp値に似ています）。

典型的な使用シナリオ

1. 電話コールセンターのシフト組み：カスタマーサービスマネージャーがλ=平均1時間の着信数を使用して、P(X≥10)を計算し、人員が十分かどうかを評価し、電話のオーバーフロー防止します。
2. 工場の良品率監視：品質検査員は製品不良率λ=2個/千件を知っており、1000個のバッチをチェックして、k=6個の不良が見つかった場合、P(X≥6)を計算して異常変動かどうかを判定し、生産停止の判定をします。
3. 交通事故分析：ある区間では月平均3件の事故が発生し、交通警察はP(X=0)を計算して「事故なし月」の可能性を予測し、巡回リソース配分を決定します。
4. 図書館の貸出予測：図書館は30分平均15冊の貸出を行い、ある30分間に20冊以上の貸出確率を知りたい場合、複数のサービスウィンドウを開くかどうかを決定するのに使用します。

よくある誤用 / 落とし穴

• λとkの単位を混同する：λはkと同じ時間/空間単位で定義される必要があります。例えば、λ=「1時間あたり2個」、k=「4時間内の回数」の場合、λを先に「4時間で8個」に調整する必要があります。そうしないと結果は誤ります。
• P(X=k)が高い場合、変動がないと思う：実際には、ポアソン分布の分散はλに等しいため、λが大きい場合、確率最大点の確率も小さい可能性があります（λ=100の場合、P(X=100)≈0.04）。
• イベント独立性を無視する：イベント間に関連がある場合（ピーク時間中の連続通話など）、ポアソン分布は適用できず、負二項分布またはその他の分布を考慮する必要があります。
• 累積確率P(X≤k)を精確確率として扱う：「正確に」「超えない」を区別してください。2つの意味は異なり、結果カードのラベルに注意してください。

よくある質問 FAQ

1. λは小数ですか？

はい。λは0を含む任意の非負実数です。例えば0.5、2.7。計算機は内部で浮動小数点数を使用して計算し、結果は小数点以下4桁まで正確です。

2. kの最大計算値はいくらですか？

本計算機ではkは最大999までサポートしています。階乗計算は数値が非常に大きいため、λが大きい場合（例えばλ>200）、確率は非常に小さく、0.0000と表示される場合がありますが、累積確率は有効です。

3. ポアソン分布と正規分布の関係は？

λが比較的大きい場合（一般的にλ≥20）、ポアソン分布は正規分布に近似し、平均と分散の両方が≈λです。この場合、正規近似を直接使用して迅速に推定することもできますが、ポアソン分布がより正確です。

4. なぜP(X=0) = e^-λなのか？

k=0を公式に代入します：P(X=0)=λ^0×e^{-λ}/0! = 1×e^{-λ}/1 = e^{-λ}。したがって、λを知っていれば、すぐにイベントが1回も発生しない確率を計算できます。

5. ツールを使用して二項分布を計算する方法は？

ポアソン分布は通常「稀なイベント」に使用されます。試験回数nが非常に多く、pが非常に小さい場合（通常np≤10）、λ=npを使用して近似できます。本計算機にλを直接入力してください。正確な二項分布が必要な場合は、当社の二項分布計算機に切り替えてください。

6. 計算された累積確率が1より大きいのはなぜですか？

そうではありません。累積確率は複数の相互排他確率の合計であり、合計は必ず≤1です。1より大きい場合は、負の数または不正な値を入力した可能性があります。λとkを確認してください。

境界と制限 / 注意事項

• 適用条件：イベントは相互に独立しており、発生速度が一定であり、2つのイベントが同時に発生しない（連続時間の場合）。これらの仮定に違反する場合（ネットワークトラフィックなどの自己相関）、結果は低くまたは高くなります。
• 非適用シナリオ：λ>1000の場合、階乗と指数値がオーバーフローする可能性があり、計算機は近似値またはエラーを返します。正規近似の使用をお勧めします。
• 精度説明：本計算機はJavaScriptのNumber型（倍精度浮動小数点数）を採用しており、極端なλ（>1000など）または極小確率（<1e-15など）では0と表示される場合があり、これは通常の浮動小数点の制限です。
• 参照基準：確率計算公式は標準ポアソン分布の定義に基づいており（WikipediaのPoisson distribution項目を参照）、モンテカルロシミュレーションは採用していません。

上記の計算機で独自の数値を試してみてください。例えば、店の前を平均1日30人の顧客が通り、ちょうど25人来る確率を知りたい場合、λ=30、k=25を入力して結果をご覧ください！