<\/p>\n
De Poisson-verdeling<\/a> is een waarschijnlijkheidsverdeling die wordt gebruikt om de waarschijnlijkheid te modelleren dat een bepaald aantal gebeurtenissen plaatsvindt tijdens een vast tijdsinterval.<\/span><\/p>\n Het is passend om de Poisson-verdeling te gebruiken als aan de volgende vier aannames wordt voldaan:<\/span><\/p>\n Veronderstelling 1: Het aantal gebeurtenissen kan worden geteld.<\/strong><\/span><\/p>\n We gaan ervan uit dat het aantal \u201cgebeurtenissen\u201d dat kan plaatsvinden tijdens een bepaald tijdsinterval kan worden geteld en de waarden 0, 1, 2, 3,\u2026 enz. kan aannemen.<\/span><\/p>\n Hypothese 2: Het optreden van gebeurtenissen is onafhankelijk.<\/strong><\/span><\/p>\n We gaan ervan uit dat het optreden van de ene gebeurtenis geen invloed heeft op de waarschijnlijkheid dat een andere gebeurtenis zich voordoet.<\/span><\/p>\n Veronderstelling 3: De gemiddelde snelheid waarmee gebeurtenissen plaatsvinden kan worden berekend.<\/strong><\/span><\/p>\n We nemen aan dat de gemiddelde snelheid waarmee gebeurtenissen plaatsvinden tijdens een bepaald tijdsinterval kan worden berekend en constant is over elk subinterval.<\/span><\/p>\n Aanname 4: Twee gebeurtenissen kunnen niet precies tegelijkertijd plaatsvinden.<\/strong><\/span><\/p>\n We nemen aan dat bij elk extreem klein subinterval precies \u00e9\u00e9n gebeurtenis wel of niet plaatsvindt.<\/span><\/p>\n De volgende voorbeelden tonen verschillende scenario’s die voldoen aan de aannames van een Poisson-verdeling.<\/span><\/p>\n Het aantal klanten dat elke dag in een restaurant arriveert, kan worden gemodelleerd met behulp van een Poisson-verdeling.<\/span><\/p>\n Dit scenario voldoet aan elk van de aannames van een Poisson-verdeling:<\/span><\/p>\n Veronderstelling 1: Het aantal gebeurtenissen kan worden geteld.<\/strong><\/span><\/p>\n Het aantal klanten dat elke dag in een restaurant arriveert, kan worden geteld (bijvoorbeeld 200 klanten).<\/span><\/p>\n Hypothese 2: Het optreden van gebeurtenissen is onafhankelijk.<\/strong><\/span><\/p>\n De komst van de ene klant heeft geen invloed op de komst van een andere klant.<\/span><\/p>\n Veronderstelling 3: De gemiddelde snelheid waarmee gebeurtenissen plaatsvinden kan worden berekend.<\/strong><\/span><\/p>\n We kunnen eenvoudig gegevens verzamelen over het gemiddelde aantal klanten dat dagelijks het restaurant binnenkomt.<\/span><\/p>\n Aanname 4: Twee gebeurtenissen kunnen niet precies tegelijkertijd plaatsvinden.<\/strong><\/span><\/p>\n Technisch gezien kunnen twee klanten niet op precies<\/em> hetzelfde tijdstip een restaurant binnengaan.<\/span><\/p>\n Het aantal netwerkstoringen dat een technologiebedrijf wekelijks ondervindt, kan worden gemodelleerd met behulp van een Poisson-verdeling.<\/span><\/p>\n Dit scenario voldoet aan elk van de aannames van een Poisson-verdeling:<\/span><\/p>\n Veronderstelling 1: Het aantal gebeurtenissen kan worden geteld.<\/strong><\/span><\/p>\n Het aantal netwerkstoringen per week kan worden geteld (bijvoorbeeld 3 netwerkstoringen).<\/span><\/p>\n Hypothese 2: Het optreden van gebeurtenissen is onafhankelijk.<\/strong><\/span><\/p>\n Aangenomen wordt dat het optreden van een netwerkstoring geen invloed heeft op de kans dat er opnieuw een netwerkstoring optreedt.<\/span><\/p>\n Veronderstelling 3: De gemiddelde snelheid waarmee gebeurtenissen plaatsvinden kan worden berekend.<\/strong><\/span><\/p>\n We kunnen eenvoudig gegevens verzamelen over het gemiddelde aantal netwerkstoringen dat zich elke week voordoet.<\/span><\/p>\n Aanname 4: Twee gebeurtenissen kunnen niet precies tegelijkertijd plaatsvinden.<\/strong><\/span><\/p>\n Twee netwerkstoringen kunnen niet precies tegelijkertijd plaatsvinden: er kan slechts \u00e9\u00e9n netwerkstoring tegelijk optreden.<\/span><\/p>\n Een inleiding tot de Poisson-verdeling<\/a> De Poisson-verdeling is een waarschijnlijkheidsverdeling die wordt gebruikt om de waarschijnlijkheid te modelleren dat een bepaald aantal gebeurtenissen plaatsvindt tijdens een vast tijdsinterval. Het is passend om de Poisson-verdeling te gebruiken als aan de volgende vier aannames wordt voldaan: Veronderstelling 1: Het aantal gebeurtenissen kan worden geteld. We gaan ervan uit dat het aantal \u201cgebeurtenissen\u201d […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-1503","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n Voorbeeld 1: Aantal aankomsten in een restaurant<\/strong><\/span><\/h3>\n
Voorbeeld 2: Aantal<\/strong> netwerkstoringen per week<\/strong><\/span><\/h3>\n
Aanvullende bronnen<\/strong><\/span><\/h3>\n
Visdistributiecalculator<\/a>
5 concrete voorbeelden van de Poisson-verdeling<\/a>
Hoe een Poisson-betrouwbaarheidsinterval te berekenen<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"