Poisson mund të jetë një mjet shumë i dobishëm kur i qasemi analizave statistikore me Excel. Nuk tregoni se si funksionon? Këtu janë hapat për përdorimin e POISSON.DIST të Excel:
Zgjidh një qelizë për përgjigjen e POISSON.DIST.
Nga menyja e Funksioneve Statistikore, zgjidhni POISSON.DIST për të hapur kutinë e dialogut të Argumenteve të Funksionit.
Në kutinë e dialogut Argumentet e Funksionit, vendosni vlerat e duhura për argumentet.
Në kutinë X, shkruani numrin e ngjarjeve për të cilat jeni duke përcaktuar probabilitetin. Për këtë shembull, ju jeni duke kërkuar për pr (1), kështu që shkruani 1.
Në kutinë Mean, shkruani mesataren e procesit, që për këtë shembull është 1.
Në kutinë Kumulative, është ose E VËRTETË për probabilitetin kumulativ ose FALSE vetëm për probabilitetin e numrit të ngjarjeve. Fut FALSE.
Me hyrjet për X, Mean, dhe Kumulative, përgjigja shfaqet në kutinë e dialogut. Përgjigja për këtë shembull është .367879441.
Kliko OK për të vendosur përgjigjen në qelizën e zgjedhur.
Në shembull, ju shihni probabilitetin për dy nyje me defekt në 1000 dhe probabilitetin për tre. Për të vazhduar me llogaritjet, shkruani 2 në kutinë X për të llogaritur pr (2) dhe 3 për të gjetur pr (3).
Në shekullin e 21-të është shumë e lehtë të llogaritësh probabilitetet binomiale drejtpërdrejt. Imazhi më poshtë ju tregon Poisson-in dhe probabilitetet binomiale për numrat në kolonën B dhe kushtet e shembullit. Probabilitetet janë të grafikuara kështu që ju mund të shihni se sa afër janë në të vërtetë të dyja. Qeliza D3 u zgjodh, kështu që shiriti i formulave ju tregon se si është përdorur BINOM.DIST për të llogaritur probabilitetet binomiale.
Megjithëse dobia e Poisson-it si një përafrim është e vjetëruar, ai ka marrë një jetë më vete. Fenomenet po aq të ndryshme sa të dhënat e kohës së reagimit në eksperimentet psikologjike, degjenerimi i substancave radioaktive dhe rezultatet në lojërat profesionale të hokejve duket se i përshtaten shpërndarjeve të Poisson. Kjo është arsyeja pse analistët e biznesit dhe studiuesit shkencorë pëlqejnë të bazojnë modelet në këtë shpërndarje.