時間內事件發生率分析 -卜瓦松 (Poisson) 分佈
假設;
在一連續時間內 (亦可為長度) 區間 [0, ]t 內,事件以下列方式發生:
(A) 在很短時間區間長度 h 內:
(1) 恰有一個事件發生之機率大約為 λ*h (與區間的長度成正比),
(2) 二個或二個以上事件,在此時間內發生機率大約為 0。
(B) 在一時間長度為 h 之區間內,某一事件之發生與否,
並不影響另一不重疊時間區間內事件發生之機率。
機率公式與分佈;
情境一;
在組裝工廠中,工管人員按表觀察並記錄,作業員在接近中午 30 分鐘內,常未依規定位置貼產品標籤,平均每 5 分鐘會貼錯 3 次,求算貼錯產品標籤位置:
發生 5 次機率。
低於 3 次機率。
高於 6 次機率。
程式
rm(list=ls()) mu <- 3 freq <- 5 ans <- dpois(freq, mu) print(sprintf('發生次數 = %d 之機率 = %.4f', freq, ans)) freq <-3 ans <- ppois(freq, mu, lower.tail = TRUE) print(sprintf('發生次數 <= %d 之機率 = %.4f', freq, ans)) freq <-6 ans <- ppois(freq, mu, lower.tail = FALSE) print(sprintf('發生次數 > %d 之機率 = %.4f', freq, ans))
解答
[1] "發生次數 = 5 之機率 = 0.1008" [2] "發生次數 <= 3 之機率 = 0.6472" [3] "發生次數 > 6 之機率 = 0.0335"
情境二;
經過衛生機構統計,每 1000 人中,會有 0.5% 的人對海鮮過敏,假設對海鮮有過敏現象的人數機率分配是一「卜瓦松分配」,求算每 1000 人中海鮮有過敏現象人數:
2 人發生過敏現象機率。
低於 4 人以下發生過敏現象機率。
3 人以上發生過敏現象機率。
程式
rm(list=ls()) mu <- 0.005 * 1000 freq <- 2 ans <- dpois(freq, mu) print(sprintf('發生人數 = %d 之機率 = %.4f', freq, ans)) freq <- 4 ans <- ppois(freq, mu, lower.tail = TRUE) print(sprintf('發生人數 <= %d 之機率 = %.4f', freq, ans)) freq <- 3 ans <- ppois(freq, mu, lower.tail = FALSE) print(sprintf('發生人數 > %d 之機率 = %.4f', freq, ans))
解答
[1] "發生人數 = 2 之機率 = 0.0842" [2] "發生人數 <= 4 之機率 = 0.4405" [3] "發生人數 > 3 之機率 = 0.7350"
情境三;
經過捐血中心統計,每 20000 人中,會有 0.03% 的人血液中有 C 型肝炎病毒,假設血液中有 C 型肝炎病毒人數機率分配是一「卜瓦松分配」,求算每 20000 人血液中有 C 型肝炎病毒人數:
3 人血液中有 C 型肝炎病毒機率。
低於 4 人以下血液中有 C 型肝炎病毒。
2 人以上血液中有 C 型肝炎病毒。
程式
rm(list=ls()) mu <- 0.0003 * 20000 freq <- 3 ans <- dpois(freq, mu) print(sprintf('發生人數 = %d 之機率 = %.4f', freq, ans)) freq <- 4 ans <- ppois(freq, mu, lower.tail = TRUE) print(sprintf('發生人數 <= %d 之機率 = %.4f', freq, ans)) freq <- 2 ans <- ppois(freq, mu, lower.tail = FALSE) print(sprintf('發生人數 > %d 之機率 = %.4f', freq, ans))
解答
[1] "發生人數 = 3 之機率 = 0.0892" [2] "發生人數 <= 4 之機率 = 0.2851" [3] "發生人數 > 2 之機率 = 0.9380"