Excel函数应用-possion

最新推荐文章于 2024-02-15 00:06:59 发布

原创最新推荐文章于 2024-02-15 00:06:59 发布 · 683 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#Excel #Microsoft

本文介绍了泊松分布的用途、语法及实例应用。泊松分布常用于预测一段时间内事件的发生次数，例如一分钟内通过收费站的车辆数量。文中给出了具体的Excel函数用法及返回概率的实例。

POISSON

用途：返回泊松分布。泊松分布通常用于预测一段时间内事件发生的次数，比如一分钟内通过收费站的轿车的数量。

语法：POISSON(x，mean，cumulative)

参数：X是某一事件出现的次数，Mean是期望值，Cumulative为确定返回的概率分布形式的逻辑值。

实例：公式“=POISSON(5，10，TRUE)”返回0.067085963，=POISSON(3，12，FALSE)返回0.001769533。

详见：http://support.microsoft.com/kb/828130/zh-cn

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Arizona_rnd

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

R语言使用glm函数构建拟泊松回归模型（quasi-Poisson regression）、family参数设置为quasipoisson、summary函数获取拟泊松回归模型汇总统计信息

statistics+insight+vista+power

06-20

1206

R语言使用glm函数构建拟泊松回归模型（quasi-Poisson regression）、family参数设置为quasipoisson、summary函数获取拟泊松回归模型汇总统计信息

R语言广义线性模型函数GLM、glm函数构建泊松回归模型、模型中存在过离散、则将连接函数从possion函数替换为quasipoisson函数重新构建泊松回归模型

statistics+insight+vista+power

07-12

308

R语言广义线性模型函数GLM、glm函数构建泊松回归模型（Poisson regression）、模型中存在过离散(Overdispersion)、则将连接函数从possion函数替换为quasipoisson函数重新构建泊松回归模型

参与评论您还未登录，请先登录后发表或查看评论

python-介绍泊松分布(poisson分布)

lanhezhong的博客

04-27

2万+

一、泊松分布问题：假设我每天接到骚扰电话的次数服从泊松分布，并且经统计平均每天我会接到20个骚扰电话。请问： 1、我明天接到15个骚扰电话的概率？ 2、我明天接到24个骚扰电话以下的概率（包含24）？二、泊松分布公式：首先要清楚，泊松分布是离散的，也就是说我接到骚扰电话次数必须是整数，要么就是15次，要么就是16次...,而不会是15.5次。泊松分布的概率函数为：累积概率...

9. 常用统计分析方法——Poission回归模型

Dr_long1996的博客

06-16

2952

poission分布及poission回归分析

泊松过程 Possion Process 伯努利过程

zhoujunr1的博客

08-21

5390

Introduction The Bernoulli Process 相互独立无记忆 Interarrival Times 到达时距 The kthk_th Arrival Time Splitting and Merging of Bernoulli Process The Possion Approximation to the Binomial The Possion Process Num

【Excel】使用Excel函数计算二项分布泊松分布概率

tyrantForever的博客

03-03

1万+

例：计算如下参数的二项分布和泊松分布二项分布 1、选中单元框，添加函数 2、选中统计类函数 3、选择二项分布概率函数 4、输入相应的参数注：（1）在输入参数时点击相应的单元格即可（2）最后一个空如果计算的是分布函数的值，填写：true ，如果计算的是概率函数的值填写：false 在此计算的是分布函数的值泊松分布 1、2同上 3、选中泊...

泊松分布函数表

热门推荐

lixixi

02-08

6万+

泊松分布函数表

原创matlab实现泊松过程样本轨道模型及参数估计-possion1.m

08-12

原创matlab实现泊松过程样本轨道模型及参数估计-possion1.m 详见附件

复变函数论9-调和函数2-泊松积分公式与狄利克雷问题1：泊松积分公式

u013250861的博客

02-15

2070

(虽然条件的形式不完全一样), 例如, 常见的条件之一是表达成边值问题的形式,即表达成所求函数在区域的边界上应当满足的一些已知关系式的形式.这样的边界条件,例如, 在某区域内求流体 (无源、无旋)的速度或静电场 (无电荷) 的电位,公式 (9.4), (9.4)'及 (9.5) 均称为对于圆的泊松积分.的通解, 就是全体调和函数, 此方程是最简单的二阶偏微分方程之一.恰是 (9.14) 的解. 为回答原来的问题,我们应当将解答的。例 9.2 设有一个很长的圆柱面是用很薄的导体做成的.

possion-equation-finite-element.zip_naturallyvop_possion_possion

07-15

本压缩包文件“possion-equation-finite-element.zip”提供的内容，是关于泊松方程的有限元求解及其可视化结果。在数学表达式中，二维泊松方程通常写为： $$\nabla^2u = f \quad \text{in} \quad \Omega $$ 其中，...

车辆到达模型——泊松、二项

05-12

基于泊松和二项分布描述车辆到达。简单的练手资源

泊松融合-Possion Blending

qingyun_wudaoletu的博客

11-10

5080

最近事情比较多，很多之前捣鼓过的东西也没有去进行一个很好的整理，马上又要进入毕业开题的节奏，机器学习也没有一个很好的掌握，泊松融合是之前很久研究了一段时间，说句实话，里面的数学确实复杂，我没有深入，再加之最后我跑的结果实在是太慢，最近小波多聚焦融合的代码也实现，后面会更新。主要参考博客1：http://eric-yuan.me/poisson-blending/ 主要参考博客2:http://bl

javascript立即执行函数与函数声明和函数表达式

晗的IT生活

05-23

781

javascript和其他编程语言相比比较随意，所以javascript代码中充满各种奇葩的写法，有时雾里看花，当然，能理解各型各色的写法也是对javascript语言特性更进一步的深入理解。 ( function(){…} )()和( function (){…} () )是两种javascript立即执行函数的常见写法，最初我以为是一个括号包裹匿名函数，再在后面加个括号调用函数，最后达到...

python实现概率质量函数Poisson

qq_36627030的博客

02-27

2227

用python实现概率质量函数Possion原理如下：方法一：用scipy库的poissonimport scipy.stats as statsplt.figure(figsize=(12.5,4))a = np.arange(16) poi = stats.poissonlambda_ = [1.5,4.25]colors = ['#348ABD','#A60628']plt.bar(a,po...

dfgd沙发让她爽肤水

Markfieraloha的博客

01-09

4925

泊松分布是二项分布的极限分布，因此在二项分布中n很大p很小的时候可以近似使用泊松分布进行进行计算和近似，简化计算量。

泊松分布的分布函数_10分钟了解泊松分布

weixin_39921131的博客

12-11

3万+

什么是泊松分布？当一个事件的发生满足以下条件时，可以认为这个事件在某一固定时间段内的发生次数满足柏松分布。事件是独立发生的事件发生的概率在给定的固定时间内不随时间变化总结起来就是，事件的发生是随机且独立的。泊松分布的概率质量函数：x表示一段时间内事件发生的次数，λ表示一段时间内事件发生的平均次数。举个例子：假设某媒体平台一天的用户广告转化数平均为1次，每天的广告转化数就满足泊松分布。那么根据泊松分...

Excel图表—泊松分布函数的概率分布图的绘制

预见未来to50的专栏

09-15

2万+

某医院急救中心一天内收到呼叫次数服从泊松分布，呼叫次数的平均值为12次，试绘制其概率密度及概率分布图。

possion Blending

最新发布

09-02

<think> 我们正在讨论泊松融合（Poisson Blending）的相关内容。用户希望了解其介绍、原理、应用和实现方法。根据要求，我们将按照以下结构组织答案： 1. 介绍：什么是泊松融合？ 2. 原理：数学基础和工作原理 3. 应用：主要应用场景 4. 实现方法：一般步骤和代码示例（如果需要）同时，在回答中，我们会注意： - 行内公式用$...$，独立公式用$$...$$并单独成段 - 使用中文 - 生成相关问题由于泊松融合涉及偏微分方程，我们将简要介绍其数学原理，但重点放在直观理解和应用上。注意：用户提到了“Possion”，但正确拼写应为“Poisson”，我们将使用正确拼写。 </think> ### 泊松融合（Poisson Blending）详解 #### 📌 一、介绍泊松融合是一种基于泊松方程的图像无缝融合技术，由 Pérez 等人于 2003 年提出[^1]。其核心思想是通过**保持源图像的梯度信息**，将目标图像无缝嵌入到背景图像中。与传统直接复制粘贴（会产生明显边界）不同，泊松融合通过求解偏微分方程实现自然过渡，广泛应用于图像编辑、计算机视觉和影视特效领域。 #### 🔬 二、原理（数学基础）泊松融合的数学模型基于**泊松方程**： $$\nabla^2 f = \nabla \cdot \mathbf{v}$$ 其中： - $f$ 是融合区域待求的像素值 - $\mathbf{v}$ 是源图像的梯度场（$\nabla$ 表示梯度算子） - $\nabla^2$ 是拉普拉斯算子（二阶导数） **核心步骤**： 1. **梯度保留**：提取源图像 $S$ 的梯度场 $\nabla S$ 2. **边界约束**：在目标图像 $T$ 的边界 $\partial\Omega$ 上满足 Dirichlet 边界条件 $f|_{\partial\Omega} = T|_{\partial\Omega}$ 3. **方程求解**：在融合区域 $\Omega$ 内解最小化问题： $$\min_f \iint_\Omega |\nabla f - \nabla S|^2 dxdy$$ 该变分问题导出的 Euler-Lagrange 方程即为泊松方程。 #### 三、应用场景 1. **图像拼接**：消除全景照片的接缝（如下图） ![](https://www.researchgate.net/profile/Marcelo-Bertalmio/publication/221360104/figure/fig1/AS:669438502395914@1536619683108/Poisson-blending-example.png) 2. **纹理合成**：将材质无缝贴到3D模型表面 3. **阴影消除**：修复老照片的破损区域 4. **影视特效**：CGI元素与实景的自然融合 5. **虚拟装扮**：实时试穿虚拟服装（梯度保持布料纹理） #### 💻 四、实现方法 **算法步骤**： ```mermaid graph LR A[输入源图像S和目标图像T] --> B[定义融合区域Ω] B --> C[计算S的梯度场∇S] C --> D[设置边界条件f=∂T] D --> E[构建稀疏线性方程组] E --> F[求解泊松方程] F --> G[输出融合图像] ``` **Python 实现示例**（使用 OpenCV）： ```python import cv2 import numpy as np def poisson_blend(src, target, mask): # 计算源图像梯度 src_grad_x = cv2.Sobel(src, cv2.CV_64F, 1, 0) src_grad_y = cv2.Sobel(src, cv2.CV_64F, 0, 1) # 构建系数矩阵（稀疏矩阵优化需用Scipy） height, width = mask.shape A = build_poisson_matrix(mask) # 构建拉普拉斯算子 # 构建右端项b = div(g) + 边界条件 b = compute_divergence(src_grad_x, src_grad_y, target, mask) # 求解Ax=b （实际使用共轭梯度法） x = np.linalg.solve(A, b) # 重构融合图像 result = target.copy() result[mask>0] = x return result ``` **关键优化**： 1. 使用**稀疏矩阵存储**（SciPy.sparse）加速大型图像处理 2. 采用**多重网格法**（Multigrid）加速方程求解 3. **混合梯度**：取源/目标梯度最大值避免纹理模糊[^2] $$ \mathbf{v} = \arg\max(|\nabla S|, |\nabla T|) $$ #### 📚 参考文献 [^1]: Pérez, P., Gangnet, M., & Blake, A. (2003). Poisson image editing. *ACM SIGGRAPH*. [^2]: Farbman, Z., et al. (2009). Edge-preserving decompositions for multi-scale tone manipulation. *ACM Transactions on Graphics*.