Introduction à la table de distribution de Poisson: distributions théoriques sont classées en plusieurs types. Ils sont la distribution binomiale, la distribution normale, distribution de Poisson, etc. Dans cet article, nous pouvons apprendre la distribution de Poisson, qui figure la plus significative dans la théorie statistique et en application. distribution de Poisson est également connu la distribution de probabilité discrète. Voyons le tableau de distribution de Poisson dans cette distribution article.The Poisson est la forme limitée de la distribution binomiale. Exemples pour la distribution de Poisson sont le nombre de voitures qui passent à travers une certaine rue dans la période t et le nombre d'erreurs d'impression à chaque page du book.Some autres exemples sont les suivants: (1) La quantité de particules alpha émises par une source radioactive dans un intervalle de temps connu. (2) Le nombre d'appels téléphoniques a reconnu lors d'un échange téléphonique dans un intervalle de temps connu. (3) La quantité de papier de recherche défectueux dans un paquet de 100, produit par une bonne industrie. ( 4) La quantité d'erreurs d'impression à chaque page d'un livre par une bonne publication (5) Le nombre de rapports sur les accidents de la route dans une ville à une jonction particulière à un time.Definition particulier de distribution de Poisson et Poisson Tableau de distribution:. un hasard la variable X est dit avoir une distribution de Poisson si la fonction de masse de probabilité de X isP (X = x) = '(e ^ (- lambda) lambda ^ (x)) /(! x)', x = 0,1, 2, ... pour certains λ> 0 la moyenne de la distribution de Poisson est λ et la variance est également λ. Le paramètre de la distribution de Poisson est désignée par λ. La valeur moyenne est λ = n pWhere n est le nombre de pistes et p est les possibilités pour la event.The donnée ci-dessus sont la table de distribution de Poisson. En utilisant ces valeurs de la table, nous pouvons trouver la solution pour diverses problems.Problems de distribution de Poisson Utilisation Poisson Tableau de distribution: Ex 1: Un fabricant de tiges de coton sait que 5% de son produit est défectueux. S'il vend des épingles dans des boîtes de 100 et garantit que pas plus de 2 broches seront défectueux. Déterminer la probabilité pour une boîte ne parviendra pas à répondre à la quality.Sol garantie: La valeur de p est p = 5% = 5/100, n = 100Le valeur moyenne est = np = (5/100) X (100) = 5BY Poisson distributionP [X = x] = '(e ^ (- lambda) lambda ^ x) /(! x)' probabilité pour une case pour répondre à la qualité garantie = P [X> 2] P [X> 2] = 1 P [X ≤ 2] P [X> 2] = 1- (P (0) + P (1) + P (2)) P [X> 2] = 1- (1 + 5 + 25 /2) P [X> 2] = 1- (1+ 5 + 12,5) P [X> 2] = 1- (18,5) P [X> 2] = 1- 0,0067 (18,5) P [X> 2] = 1- 0.12395P [X> 3] = 0.87605The probabilité pour que la boîte ne parviendra pas à répondre à la garantie de qualité est 0.87605.Ex 2: Une société de location de voiture a trois voitures. Le nombre de demandes pour une voiture comme une distribution de Poisson avec une moyenne de 2,3. Calculer la proportion de jours où ni voiture est utilisée et la proportion de jours où une certaine demande est refused.Sol: Soit X le nombre de demandes pour un car.The donné la valeur moyenne est 2.3.By Poisson distributionP [X = x] = '(e ^ (- lambda) lambda ^ x) /(! x)' Proportion des jours où ni voiture est utilisée = P [X = 0] = = 0.1003Proportion de jours où une certaine demande est refusée = P [X> 3] P [X> 3] = 1- P [X ≤ 3] P [X> 3] = 1- [P (0) + P (1) + P (2) + P (3 )] P [X> 3] = 1- (1+ 2.3+ 2.645+ 2,0278) P [X> 3] = 1 - (0,1003) (7,9728) P [X> 3] = 1 - 0.7997P [X> 3 ] = 0.2003The proportion de jours où ni la voiture utilisée est 0,1003. La proportion de jours où une certaine demande refusée est 0,2003.