Poisson distribution

💡 With low mean and independence, the Poisson distribution approximates counts beautifully, but heavy clustering breaks its assumptions noisily.

با میانگین و استقلال کم، توزیع پواسون به زیبایی تعداد را تقریب می‌زند، اما خوشه‌بندی سنگین فرضیات آن را به شدت نقض می‌کند.

💡 We used a Poisson distribution to set staffing for call spikes, then adjusted when human behavior refused neatness.

ما از توزیع پواسون برای تنظیم تعداد کارکنان در صورت افزایش ناگهانی تماس‌ها استفاده کردیم، سپس وقتی رفتار انسانی از رعایت نظافت امتناع ورزید، تعداد کارکنان را تنظیم کردیم.

💡 To derive his equation, Dr Grimes began with the Poisson distribution, a common statistical tool that measures the probability of a particular event occurring over a certain amount of time.

دکتر گریمز برای استخراج معادله خود، با توزیع پواسون، یک ابزار آماری رایج که احتمال وقوع یک رویداد خاص را در یک بازه زمانی مشخص اندازه‌گیری می‌کند، شروع کرد.

💡 However, Barnett also draws attention to the theory of Poisson distribution, which implies that short intervals between crashes are actually more probable than long ones.

با این حال، بارنت همچنین به نظریه توزیع پواسون توجه می‌کند، که نشان می‌دهد فواصل کوتاه بین تصادفات در واقع محتمل‌تر از فواصل طولانی هستند.

💡 The Poisson distribution models rare events per interval, like meteors per night or typos per page when caffeine wanes.

توزیع پواسون رویدادهای نادر را در هر بازه زمانی، مانند شهاب‌سنگ در هر شب یا غلط‌های املایی در هر صفحه هنگام کاهش کافئین، مدل‌سازی می‌کند.

💡 Compared with a Poisson distribution expected for adaptive mutations, this Luria–Delbrück distribution has a long ‘tail’ at the end of the distribution pattern.

در مقایسه با توزیع پواسون مورد انتظار برای جهش‌های تطبیقی، این توزیع لوریا-دلبروک یک «دنباله» بلند در انتهای الگوی توزیع دارد.