Introducción a la tabla de distribución de Poisson: distribuciones teóricas se clasifican en varios tipos. Son distribución binomial, distribución normal, distribución de Poisson, etc. En este artículo podemos aprender distribución de Poisson, que figura más significativa en la teoría estadística y en la solicitud. distribución de Poisson también se conoce la distribución de probabilidad discreta. Veamos la tabla de distribución de Poisson en esta distribución de Poisson artículo.La es la forma limitada de la distribución binomial. Ejemplos para la distribución de Poisson son el número de coches que pasan a través de una calle determinada en el período de tiempo t y el número de errores de impresión en cada página del book.Some más ejemplos son los siguientes: (1) La cantidad de partículas alfa emitidas por una fuente radiactiva en un intervalo de tiempo conocido. (2) El número de llamadas telefónicas reconoció en una central telefónica en un intervalo de tiempo conocido. (3) La cantidad de trabajo de investigación defectuosa en un paquete de 100, producido por una buena industria. ( 4) La cantidad de errores de impresión en cada página de un libro de una buena publicación (5) El número de informes de accidentes de tráfico en una ciudad en un cruce particular en un time.Definition particular de Poisson Distribución de Poisson y la tabla de distribución:. un azar se dice variable X para tener una distribución de Poisson, si la función de masa de probabilidad de X ISP (X = x) = '(e ^ (- lambda) lambda ^ (x)) /(! x)', x = 0,1, 2, ... por alguna λ> 0 la media de la distribución de Poisson es λ, y la varianza también es λ. El parámetro de la distribución de Poisson se denota por λ. El valor medio es λ = n pWhere n es el número de pistas y p es las posibilidades de event.The dada anteriormente son la tabla de distribución de Poisson. Mediante el uso de este tipo de valores de la tabla podemos encontrar la solución para diversas problems.Problems distribución de Poisson Poisson Uso de la tabla de distribución: Ex 1: Un fabricante de pasadores de algodón sabe que el 5% de su producto es defectuoso. Si vende alfileres en cajas de 100 y garantiza que no más de 2 pines serán defectuosos. Determinar la probabilidad de que un cuadro de falta de cumplimiento de la quality.Sol garantizada: El valor de p es p = 5% = 5/100, n = significa 100Las valor es = np = (5/100) X (100) = 5BY Poisson distributionP [X = x] = '(e ^ (- lambda) lambda ^ x) /(! x)' Probabilidad para una caja va a cumplir con la calidad garantizada = 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 probabilidad para el cuadro vaya a cumplir con la calidad garantizada es 0.87605.Ex 2: Una empresa de alquiler de coches tiene tres coches. El número de demandas de un coche como una distribución de Poisson con una media de 2,3. Calcular el porcentaje de días en los que se utiliza ninguno de coche y la proporción de días en que parte de la demanda es refused.Sol: Sea X el número de demandas de un determinado valor medio car.The es 2.3.By Poisson distributionP [X = x] = '(e ^ (- lambda) lambda ^ x) /(! x) Proporción de los días en los que se utiliza ninguno de coches = P [X = 0] = = 0.1003Proportion de días en que se rechaza una cierta demanda = 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 porcentaje de días en los que se usa ni el coche es 0.1003. La proporción de días en que se negó cierta demanda es 0.2003.