Introduzione alla tabella di distribuzione di Poisson: distribuzioni teoriche sono classificati in molti tipi. Sono distribuzione binomiale, distribuzione normale, di Poisson distribuzione ecc In questo articolo possiamo imparare distribuzione di Poisson, che figura più significativa in teoria statistica e in applicazione. distribuzione di Poisson è nota anche la distribuzione di probabilità discreta. Vediamo la tabella di distribuzione di Poisson in questa distribuzione di Poisson article.The è la forma limitata della distribuzione binomiale. Esempi per la distribuzione di Poisson sono il numero di macchine che passano attraverso una certa strada nel periodo di tempo t ed il numero di errori di stampa ad ogni sito del book.Some altri esempi sono i seguenti: (1) La quantità di particelle alfa emesse dal una sorgente radioattiva in un intervallo di tempo noto. (2) Il numero di telefonate ammesso in una centrale telefonica in un noto intervallo di tempo. (3) La quantità di carta ricerca difettosa in un pacchetto di 100, prodotta da un buon settore. ( 4) La quantità di errori di stampa in ogni pagina di un libro di un buon pubblicazione (5) Il numero di segnalazioni incidenti stradali in una città in un particolare incrocio in un particolare time.Definition di Poisson e distribuzione di Poisson Tabella distribuzione. a casuale variabile x si dice che abbia una distribuzione di Poisson se la funzione di massa di probabilità di x iSP (x = x) = '(e ^ (- lambda) lambda ^ (x)) /(! x)', x = 0,1, 2, ... per qualche λ> 0 la media della distribuzione di Poisson è λ, e la varianza è anche λ. Il parametro della distribuzione di Poisson è indicata con λ. Il valore medio è λ = n pWhere n è il numero di sentieri e P è la possibilità per il event.The sopra determinato sono il tavolo distribuzione di Poisson. Utilizzando tali valori della tabella possiamo trovare la soluzione di vari problems.Problems distribuzione di Poisson Uso Poisson Tabella Distribuzione: Ex 1: Un produttore di perni di cotone sa che il 5% del suo prodotto è difettoso. Se vende i perni in scatole da 100 e garantisce che non più di 2 perni saranno difettoso. Determinare la probabilità di una scatola non riuscirà a soddisfare la quality.Sol garantito: Il valore di p è p = 5% = 5/100, n = 100The valore medio è = np = (5/100) X (100) = 5BY il Poisson distributionP [x = x] = '(e ^ (- lambda) lambda ^ x) /(! x)' di probabilità per un dialogo che per soddisfare la qualità garantita = 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 probabilità per la casella non riuscirà a soddisfare la qualità garantita è 0.87605.Ex 2: Una società di noleggio auto ha tre auto. Il numero di richieste di una macchina come una distribuzione di Poisson con media di 2.3. Calcolare la percentuale di giorni in cui viene utilizzato né auto e la proporzione di giorni in cui una certa domanda è refused.Sol: Sia X il numero di richieste di un car.The determinato valore medio è 2.3.By il Poisson distributionP [X = x] = '(e ^ (- lambda) lambda ^ x) /(! x)' Proporzione dei giorni in cui non viene utilizzato auto = P [x = 0] = = 0.1003Proportion di giorni in cui una certa domanda viene rifiutata = 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 percentuale di giorni in cui utilizzato né l'auto è 0,1003. La proporzione di giorni in cui una certa domanda rifiutato è 0,2003.