事件
3月31日 下午11時 - 4月2日 下午11時
最終Microsoft Fabric、Power BI、SQL 和 AI 社群主導的活動。 2025 年 3 月 31 日至 4 月 2 日。
立即註冊傳回波氏分佈。 波森分配的常見應用是預測特定時間的事件數目,例如在1分鐘內到達收費廣場的汽車數量。
POISSON.DIST(x,mean,cumulative)
術語 | 定義 |
---|---|
x |
必填。 事件數目。 |
mean |
必填。 預期的數值。 |
cumulative |
必填。 邏輯值,決定傳回的機率分佈形式。 如果 cumulative 為 TRUE ,則 POISSON。DIST 會傳回累計 Poisson 機率,即發生的隨機事件數目將會介於零和 x 之間;如果 FALSE ,則會傳回 Poisson 機率品質函式,即所發生的事件數目會正好是 x。 |
傳回波氏分佈。
如果 x 不是整數,則會四捨五入。
如果 x 或 mean 為非數值,則 POISSON。DIST 會傳回 #VALUE!
錯誤值。
如果 x < 0,則為 POISSON。DIST 會傳回 #NUM!
錯誤值。
如果平均值 < 0,則為 POISSON。DIST 會傳回 #NUM!
錯誤值。
泊 松。DIST 的計算方式如下。
針對 cumulative = FALSE
:
針對 cumulative = TRUE
:
$$\text{CUMPOISSON} = \sum^{x}_{k=0} \frac{e^{-\lambda} \lambda^{x}{k!}$$
在匯出數據行或數據列層級安全性 (RLS) 規則中使用時,不支援在 DirectQuery 模式中使用此函式。
事件
3月31日 下午11時 - 4月2日 下午11時
最終Microsoft Fabric、Power BI、SQL 和 AI 社群主導的活動。 2025 年 3 月 31 日至 4 月 2 日。
立即註冊