İçeriğe geç
parazade
Yapay Zeka

Poisson Dağılımı Nedir?

İngilizce: Poisson Distribution

Yayın: · Son güncelleme:

Poisson Dağılımı Nedir? Kısaca

Poisson dağılımı, sabit bir zaman ya da alan aralığında bağımsız olarak gerçekleşen olayların sayısını modelleyen kesikli olasılık dağılımıdır. Tek parametresi λ (lambda), aralıktaki ortalama olay sayısıdır.

Poisson Dağılımı nedir?
İçindekiler
  1. Poisson dağılımı nedir?
  2. Örnek
  3. Yapay zekâ ve veri bilimindeki yeri

Poisson dağılımı, "belirli bir sürede bu olay kaç kez olur?" sorusunu olasılıkla cevaplayan bir sayma dağılımıdır. Çağrı merkezine gelen aramalar, bir sayfadaki yazım hataları ya da bir sunucuya düşen istekler tipik örneklerdir.

Poisson dağılımı nedir?

Bir aralıkta tam olarak k olay gerçekleşme olasılığı şu formülle bulunur:

P(X = k) = (λ^k × e^(−λ)) / k!

Burada λ aralıktaki ortalama olay sayısı, e yaklaşık 2,718 olan sabit, k! ise k'nin faktöriyelidir. Poisson dağılımının ilginç bir özelliği, ortalamasının ve varyansının ikisinin de λ'ya eşit olmasıdır.

Dağılımın geçerli olması için genellikle şu varsayımlar aranır:

  • Olaylar birbirinden bağımsız gerçekleşir.
  • Ortalama olay hızı aralık boyunca sabittir.
  • İki olay aynı anda gerçekleşmez.

Örnek

Varsayımsal bir destek hattına saatte ortalama 3 çağrı geldiğini düşün (λ = 3). Bir saatte hiç çağrı gelmeme olasılığı e^(−3) ≈ 0,05, yani yaklaşık yüzde 5'tir. Tam 3 çağrı gelme olasılığı ise (27 × 0,0498) / 6 ≈ 0,22'dir.

Yapay zekâ ve veri bilimindeki yeri

Sayma verisi tahmin eden modellerde, örneğin bir mağazaya günlük gelecek müşteri sayısını öngören Poisson regresyonunda bu dağılım kullanılır. Talep tahmini ve anomali tespiti de yaygın uygulama alanlarıdır.

Gerçek verilerde varyans çoğu zaman ortalamadan büyük çıkar (aşırı yayılım). Bu durumda Poisson varsayımı zayıflar ve negatif binom gibi alternatif dağılımlar daha iyi sonuç verebilir.

Sıkça Sorulan Sorular

Poisson dağılımı ne zaman kullanılır?

Belirli bir zaman, alan ya da hacimde bağımsız olarak gerçekleşen olayların sayısını modellemek istediğinde kullanılır. Olay hızının sabit olduğu ve olayların tek tek gerçekleştiği durumlarda en uygun sonucu verir.

Poisson ile binom dağılımı arasındaki fark nedir?

Binom dağılımı sabit sayıda denemedeki başarı sayısını sayar ve bir üst sınırı vardır. Poisson ise bir aralıktaki olay sayısını sayar ve teorik olarak üst sınırı yoktur; deneme sayısı çok büyük, başarı olasılığı çok küçükken binom, Poisson'a yaklaşır.

İlgili terimler

Binom Dağılımı(Binomial Distribution)Binom dağılımı, her birinde aynı başarı olasılığı bulunan n adet bağımsız denemede toplam kaç başarı elde edileceğini modelleyen kesikli olasılık dağılımıdır. Parametreleri deneme sayısı n ve başarı olasılığı p'dir.Olasılık Dağılımı(Probability Distribution)Olasılık dağılımı, rastgele bir değişkenin alabileceği değerleri ve bu değerlerin ya da değer aralıklarının gerçekleşme olasılıklarını tanımlayan matematiksel bir fonksiyon veya tablodur. Kesikli ve sürekli olmak üzere iki ana türü vardır.Rastgele Değişken(Random Variable)Rastgele değişken, sonucu şansa bağlı bir deneyin her olası sonucuna bir sayı atayan fonksiyondur. Kesikli (sayılabilir değerler) ya da sürekli (bir aralıktaki her değer) olabilir ve bir olasılık dağılımıyla tanımlanır.Beklenen Değer(Expected Value)Beklenen değer, bir rastgele değişkenin olası değerlerinin olasılıklarıyla ağırlıklandırılmış ortalamasıdır. Deney çok sayıda tekrarlandığında sonuçların ortalamasının yaklaşacağı değeri gösterir.Varyans(Variance)Varyans, istatistikte değerlerin ortalamadan ne kadar saptığını ölçen yayılım ölçüsüdür; makine öğrenmesinde ise bir modelin tahminlerinin, farklı eğitim verileriyle eğitildiğinde ne kadar değiştiğini, yani veriye duyarlılığını ifade eder.Talep Tahmini(Demand Forecasting)Talep tahmini, bir ürün veya hizmete gelecekteki belirli bir dönemde ne kadar talep olacağını geçmiş satış verileri, mevsimsellik, kampanyalar ve dış etkenler yardımıyla öngörme sürecidir; stok, üretim ve personel planlamasının temelidir.Anomali Tespiti(Anomaly Detection)Anomali tespiti, bir veri setinde ya da veri akışında genel örüntüden belirgin biçimde sapan, olağan dışı gözlemleri veya davranışları otomatik olarak belirleme işlemidir; dolandırıcılık, siber saldırı ve arıza tespitinde kullanılır.