Poissonin jakauma oor Engels

Poissonin jakauma

Vertalings in die woordeboek Fins - Engels

Poisson distribution

naamwoord

poissonin jakauma

Vertalings in die woordeboek Fins - Engels

poisson distribution

voorbeelde

-kaikki tulokset ovat aikaisempien negatiivisten kontrollitietojen jakauman rajoissa (esimerkiksi Poissonin jakaumaan perustuva 95 prosentin kontrolliraja; ks. 33 kohta).
-all results are inside the distribution of the historical negative control data (e.g. Poisson-based 95% control limit; see paragraph 33).

Pesäkkeiden lukumäärä kuoppaa kohti mikrokuoppalevyissä noudattaa Poissonin jakaumaa.
The number of colonies per well on micro-wells plates follows a Poisson distribution.

(Oletus: Tulokset noudattavat Poissonin jakaumaa)
(Assumption: Poisson distribution)

Poissonin jakauma on vaikeampi generoida.
The Poisson distribution is more difficult to generate.

-kaikki tulokset ovat aikaisempien negatiivisten kontrollitietojen jakauman rajoissa (esimerkiksi Poissonin jakaumaan perustuva 95 prosentin kontrolliraja; ks. 48 kohta).
-all results are inside the distribution of the historical negative control data (e.g. Poisson-based 95% control limit; see paragraph 48).

(Oletus: Poissonin jakauma)
(Assumption: Poisson-distribution)

Poissonin jakauman nollaehdosta (Furth ja muut, 1981) P saadaan kaavalla
From the zero term of the Poisson distribution (Furth et al., 1981), the P is given by

-mikä tahansa tuloksista on aikaisempien negatiivisten kontrollitietojen jakauman ulkopuolella (esimerkiksi Poissonin jakaumaan perustuva 95 prosentin kontrolliraja; ks. 33 kohta).
-any of the results are outside the distribution of the historical negative control data (e.g. Poisson-based 95% control limit; see paragraph 33).

Hiiren lymfoomatestin ja TK6-testin mikrokuoppalevyllä tehtävässä versiossa kloonaustehokkuus määritetään sekä valinnan että kloonaustehokkuuden testilevyiltä Poissonin jakauman mukaisesti (63).
For the microwell version of the MLA and the TK6, cloning efficiency both for the selection and cloning efficiency plates is determined according to the Poisson distribution (63).

Kustakin näytteestä laskettavien somaattisten solujen määrän on Poissonin jakauman ominaisuuksien mukaan oltava vähintään 400, jotta se täyttäisi tämän toistettavuuden.
The number of somatic cells to be counted in each sample must, according to the characteristics of the Poisson distribution, be at least 400 in order to meet this repeatability.

-mikä tahansa tuloksista on aikaisempien negatiivisten kontrollitietojen jakauman ulkopuolella (esimerkiksi Poissonin jakaumaan perustuva 95 prosentin kontrolliraja; ks. 48 kohta).
-any of the results are outside the distribution of the historical negative control data (e.g. Poisson-based 95% control limit; see paragraph 48).

-kaikki tulokset ovat negatiivisten kontrollitietojen tai laboratorion aikaisempien negatiivisten kontrollitietojen jakauman (esimerkiksi Poissonin jakaumaan perustuva 95 prosentin kontrolliraja) mukaisia, jos näitä tietoja on saatavilla.
-all results are within acceptable range of negative control data, or the laboratory’s historical negative control data (e.g. Poisson-based 95% control limit), if available.

-kaikki tulokset ovat aikaisempien negatiivisten kontrollitietojen tai laboratorion aikaisempien negatiivisten kontrollitietojen jakauman (esimerkiksi Poissonin jakaumaan perustuva 95 prosentin kontrolliraja) mukaisia, jos näitä tietoja on saatavilla.
-all results are within acceptable range of negative control data, or the laboratory’s historical negative control data (e.g. Poisson-based 95% control limit), if available.

-mikä tahansa tuloksista on negatiivisten kontrollitietojen jakauman tai laboratorion aikaisempien negatiivisten kontrollitietojen jakauman ulkopuolella (esimerkiksi Poissonin jakaumaan perustuva 95 prosentin kontrolliraja), jos näitä tietoja on saatavilla.
-any of the results are outside of the acceptable range of negative control data, or the distribution of the laboratory’s historical negative control data (e.g. Poisson-based 95% control limit) if available.

Samalla tavoin jos poikkeamaa Poissonin jakaumasta ei havaita, lukumäärien trendejä voidaan testata käyttämällä Poissonin regressiota (36). Parivertailuja kontrolliryhmään voidaan testata Poissonin mallin yhteydessä käyttämällä parittaisia kontrasteja (36).
Likewise, if no departure from Poisson dispersion is detected, trends in counts may be tested using Poisson regression (36) and pairwise comparisons with the control group may be tested within the context of the Poisson model, using pairwise contrasts (36).

-mikä tahansa tuloksista on aikaisempien negatiivisten kontrollitietojen jakauman tai laboratorion aikaisempien negatiivisten kontrollitietojen jakauman ulkopuolella (esimerkiksi Poissonin jakaumaan perustuva 95 prosentin kontrolliraja), jos näitä tietoja on saatavilla.
-any of the results are outside acceptable range of negative control data, or the distribution of the laboratory’s historical negative control data (e.g. Poisson-based 95% control limit) if available.

Vaikka on mahdollista, että lukumääräaineisto (esimerkiksi kiinnittyneiden alkioiden lukumäärä naarasta kohti) voi noudattaa Poissonin jakaumaa ja/tai osuudet (esimerkiksi kuolleiden kiinnittyneiden alkioiden osuus) voivat noudattaa binomijakaumaa, tällaisissa tiedoissa voi kuitenkin usein olla ylihajontaa (31).
While it is possible that count data (e.g. number of implants per female) may be Poisson distributed and/or proportions (e.g. proportion of dead implants) may be binomially distributed, it is often the case that such data are overdispersed (31).

Lue täältä lisää jalkapallo-ottelun voittajan ennustamisesta Poissonin jakaumaa käyttämällä.
Findout more about how to predict a soccer betting winner using the Poisson distribution.

Vedonlyöjät käyttävät joskus Poissonin jakaumaa ennustaakseen, miten monta maalia kukin joukkue tekee jalkapallo-ottelussa.
For example, bettors are known to use a Poisson distribution model to predict the number of goals scored per team in a soccer game.

Poissonin jakauma vs. Normaalijakauma
Poisson vs. Normal Distribution

Avainasemassa odotusten vastaamisessa jalkapallossa on Poissonin jakauman käyttö edellisessä Pinnacle-artikkelissa kuvaillun mukaisesti.
A key method used to develop match expectancies for football is the Poisson distribution as explained in a previous Pinnacle article.

Poissonin jakaumaa käytetään yleensä ennustettaessa tapahtumien määrää tietyn ajan kuluessa, esimerkiksi sitä, kuinka monta autoa saapuu paikoitustaloon yhden tunnin aikana.
A common application of the Poisson distribution is predicting the number of events over a specific time, such as the number of cars arriving at a toll plaza in 1 minute.

Hieman kehittyneempiä kaavoja, kuten Poissonin jakaumaa, voidaan käyttää keskiarvojen muuntamiseen eri tulosten todennäköisyyksiksi jakaumassa – esimerkiksi jalkapallo-ottelun tietyn tuloksen todennäköisyydeksi.
Slightly more advanced formulas, like the Poisson distribution, can be used to translate mean averages into a probability for variable outcomes across a distribution - such as the score of a soccer match.

Tämä malli eroaa Poissonin jakaumasta monilla tavoin, mutta yksi eroista on, että kyseessä on jatkuva todennäköisyysjakauma, joka perustuu kahteen parametriin: keskiarvoon ja keskihajontaan.
This is a different model to Poisson for a number of reasons but also because it's a continuous distribution, based on two parameters: the average and standard deviation.

Poissonin jakaumalla voidaan ennustaa, millä todennäköisyydellä tehdään maali sen sijaan, että sillä ennustettaisiin, millä todennäköisyydellä maali syntyy 25. ja 30. minuutin välillä (vaikka jakaumaa voidaan laajentaa myös tämän laskemiseen).
A Poisson distribution model can estimate directly the likelihood of scoring one goal, rather than the probability of a goal occurring between the 25th and 30th minute (although it can be extended to derive these).