Poisson-verteilte Zufallsdaten (Random Poisson Data)

Random Poisson Data simuliert Zählwerte unabhängiger Ereignisse, die mit konstanter mittlerer Rate auftreten, etwa Fehler je Einheit oder Anrufe je Stunde. Sie legen Anzahl der Zeilen und Spalten sowie den Mittelwert (Lambda) fest; die Varianz entspricht dem Mittelwert. Nutzen Sie es zum Testen von c- und u-Karten. Die Werte sind nicht negative ganze Zahlen, und für Lambda über 30 nähert sich die Verteilung einer Normalverteilung an. Eine optionale grafische Zusammenfassung ist verfügbar.

Zuletzt geprüft

Kernaussage

Random Poisson Data erzeugt nicht negative ganzzahlige Zählwerte aus der Poisson-Verteilung bei gegebener mittlerer Ereigniszahl je Intervall (Lambda), um Fehler, Irrtümer oder Ankünfte je Zeit-, Flächen- oder Volumeneinheit zu simulieren.

Auf dieser Seite
  1. Was sind Poisson-verteilte Zufallsdaten?
  2. Wann werden Poisson-verteilte Zufallsdaten eingesetzt?
  3. Hinweise zur richtigen Anwendung von Poisson-verteilten Zufallsdaten
  4. Alternativen: Wann Poisson-verteilte Zufallsdaten nicht geeignet sind
  5. Beispiel für Poisson-verteilte Zufallsdaten
  6. Anleitung: Poisson-verteilte Zufallsdaten

Was sind Poisson-verteilte Zufallsdaten?

Random Poisson Data erzeugt Werte aus der Poisson-Verteilung, die die Anzahl der Ereignisse in einem festen Zeit-, Flächen- oder Volumenintervall modelliert, wenn Ereignisse unabhängig voneinander mit konstanter mittlerer Rate auftreten. Sie geben Lambda (λ) an, die mittlere Anzahl der Ereignisse je Intervall.

Einfache Definition: Erzeugt zufällige Zähldaten dafür, wie oft ein Ereignis in einem festen Zeitraum auftritt, etwa Fehler je Einheit, Anrufe je Stunde oder Fehler je Dokumentseite.

Wann werden Poisson-verteilte Zufallsdaten eingesetzt?

  • Zur Simulation von Fehlerzahlen, Irrtumszahlen oder Ankunftsraten je Zeit- oder Flächeneinheit.
  • Zum Testen von c-Karten und u-Karten mit bekannten Lambda-Werten.
  • Wenn Ereignisse innerhalb des Beobachtungsfensters selten und unabhängig sind.

Hinweise zur richtigen Anwendung von Poisson-verteilten Zufallsdaten

  • Alle Werte sind nicht negative ganze Zahlen ; prüfen Sie dies in der Ausgabe.
  • Bei großem Lambda (> 30) nähert sich die Verteilung einer Normalverteilung an.

Alternativen: Wann Poisson-verteilte Zufallsdaten nicht geeignet sind

  • Für Daten zum Fehleranteilverwenden Sie binomialverteilte Zufallsdaten (Random Binomial Data)
  • Für stetige Daten zur Zeit bis zum Ereignisverwenden Sie exponentialverteilte Zufallsdaten (Random Exponential Data)

Beispiel für Poisson-verteilte Zufallsdaten

Die folgenden Schritte zum Erzeugen Poisson-verteilter Zufallsdaten:

  1. Um Poisson-verteilte Zufallsdaten zu erzeugen, füllen Sie die erforderlichen Optionen aus.
  2. Analysieren Sie die Daten nun in Zometric Statistical Software unter https://statsai.zometric.com/.
  3.  Um Random Poisson Data zu finden, wählen Sie Statistical module> Random Data > Random Poisson Data
Random Poisson Data — figure 1Random Poisson Data — figure 2

4. Nach Verwendung des oben genannten Werkzeugs erhalten Sie die folgende Ausgabe:

Random Poisson Data — figure 3Random Poisson Data — figure 4

Anleitung: Poisson-verteilte Zufallsdaten

Die Anleitung lautet wie folgt:

  1. Melden Sie sich bei Zometric Statistical Software an: https://statsai.zometric.com/
  2. Wählen Sie auf der Startseite Statistical Tool> Random Data>Random Poisson Data.
  3. Füllen Sie anschließend die erforderlichen Optionen aus.
  4. Klicken Sie abschließend unten auf der Seite auf calculate, und Sie erhalten die gewünschten Ergebnisse.

Das Dashboard von Random Poisson Data ist in zwei Bereiche unterteilt.

Random Poisson Data — figure 5

Im linken Bereich befindet sich der Datenbereich (Data Pane). Im Data Pane erscheinen die erzeugten Zufallsdaten zeilenweise. Die Daten werden erzeugt, nachdem die erforderlichen Optionen ausgefüllt sind.

Im rechten Bereich stehen folgende Optionen zur Verfügung:

  • Number of rows of data to generate:  Legt fest, wie viele zufällige Datenpunkte erzeugt werden. Bei Eingabe von 10 entstehen zum Beispiel genau 10 Zeilen mit Zufallswerten, die alle im Data Pane sichtbar sind.
  • Number of columns:  Legt fest, wie viele Variablen (Spalten) jede Zeile hat. Bei Eingabe von 3 entstehen zum Beispiel 3 Spalten mit zufällig erzeugten Daten nebeneinander im Data Pane.
  • Mean: Die mittlere Anzahl der Ereignisse je Intervall (Lambda, λ). Bei einer Poisson-Verteilung entspricht die Varianz dem Mittelwert, sodass die erzeugten Zählwerte mit steigendem Mittelwert stärker streuen; alle Werte sind nicht negative ganze Zahlen.
  • Graphical summary: Wenn ausgewählt, werden alle erzeugten Werte zusammengefasst und beschrieben: ein Histogramm mit angepasster Normalverteilungskurve und Boxplot, Kennzahlen, ein Anderson-Darling-Test auf Normalverteilung, ein Wahrscheinlichkeitsnetz sowie 95%-Konfidenzintervalle für Mittelwert, Median und Standardabweichung. Es ist ein visuelles Ergebnis auf Grundlage der gerade erzeugten Daten.

Häufig gestellte Fragen

Was simulieren Poisson-verteilte Zufallsdaten?

Poisson-verteilte Zufallsdaten simulieren die Anzahl der Ereignisse in einem festen Zeit-, Flächen- oder Volumenintervall, wenn Ereignisse unabhängig voneinander mit konstanter mittlerer Rate auftreten. Sie geben Lambda an, die mittlere Anzahl der Ereignisse je Intervall, und das Werkzeug erzeugt Zählwerte wie Fehler je Einheit, Anrufe je Stunde oder Fehler je Dokumentseite.

Wann sollte man Poisson-verteilte Zufallsdaten verwenden?

Verwenden Sie sie, um Fehlerzahlen, Irrtumszahlen oder Ankunftsraten je Zeit- oder Flächeneinheit zu simulieren und um c-Karten und u-Karten mit bekannten Lambda-Werten zu testen. Sie eignen sich für Ereignisse, die innerhalb des Beobachtungsfensters selten und unabhängig sind. Für Daten zum Fehleranteil verwenden Sie Random Binomial Data, für stetige Daten zur Zeit bis zum Ereignis Random Exponential Data.

Welche Werte liefert eine Poisson-Verteilung?

Alle erzeugten Werte sind nicht negative ganze Zahlen, da jeder Wert zählt, wie oft ein Ereignis in einem festen Intervall aufgetreten ist. Der einzige Parameter ist der Mittelwert Lambda, und die Varianz entspricht dem Mittelwert, sodass die Zählwerte mit steigendem Mittelwert stärker streuen. Für Lambda über 30 nähert sich die Poisson-Verteilung einer Normalverteilung an.