Introduction a tabela de distribuição de Poisson: distribuições teóricas são classificados em vários tipos. Eles são a distribuição binomial, distribuição normal, distribuição de Poisson etc Neste artigo podemos aprender distribuição de Poisson, que figura mais significativamente na teoria estatística e na aplicação. distribuição de Poisson é também conhecida a distribuição de probabilidade discreta. Vamos ver a tabela de distribuição de Poisson nesta distribuição article.The Poisson é a forma limitada da distribuição binomial. Exemplos para a distribuição de Poisson são o número de carros que passam através de uma determinada rua no período de tempo t eo número de erros de impressão em cada página do book.Some mais exemplos são os seguintes: (1) A quantidade de partículas alfa emitida por uma fonte radioativa em um intervalo de tempo conhecido. (2) O número de chamadas de telefone reconheceu em uma troca de telefone em um intervalo de tempo conhecido. (3) A quantidade de trabalho de pesquisa falho em um pacote de 100, produzido por uma boa indústria. ( 4) A quantidade de erros de impressão em cada página de um livro por uma boa publicação (5) O número de relatórios de acidentes rodoviários em uma cidade em uma junção particular em um time.Definition particular de Poisson Distribuição e Poisson Tabela Distribuição:. A aleatória variável X é dito que tem uma distribuição de Poisson, se a função de densidade de probabilidade de X ISP (X = X) = "(e ^ (- lambda) lambda ^ (x)) /(! x) ', x = 0,1, 2, ... para alguns λ> 0 a média da distribuição de Poisson é λ, e também a variância é λ. O parâmetro da distribuição de Poisson é denotada por λ. O valor médio é λ = n pWhere n é o número de trilhas e p representa as possibilidades de event.The acima menciona estão tabela de distribuição de Poisson. Ao usar tais valores da tabela, podemos encontrar a solução para vários problems.Problems distribuição de Poisson Usando Poisson Tabela Distribuição: Ex 1: Um fabricante de pinos de algodão sabe que 5% do seu produto é defeituoso. Se ele vende pinos em caixas de 100 e garante que não mais de 2 pinos vai estar com defeito. Determine a probabilidade de uma caixa não vai conseguir cumprir o quality.Sol garantida: O valor de p é p = 5% = 5/100, n = 100The valor médio é = np = (5/100) X (100) = 5BY o Poisson distributionP [X = x] = '(e ^ (- lambda) lambda ^ x) /(! x) "Probabilidade de uma caixa vai para atender a qualidade garantida = 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 probabilidade para a caixa não vai conseguir cumprir a qualidade garantida é 0.87605.Ex 2: Uma empresa de aluguer de carro tem três carros. O número de pedidos para um carro como uma distribuição de Poisson com média de 2,3. Calcular a proporção de dias em que nem o carro é usado e a proporção de dias em que alguma demanda é refused.Sol: Seja X o número de demandas por uma car.The determinado valor médio é 2.3.By o Poisson distributionP [X = x] = '(e ^ (- lambda) lambda ^ x) /(! x)' Proporção dos dias em que nem o carro é usado = P [X = 0] = = 0.1003Proportion de dias em que alguma demanda é recusada = 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 proporção de dias em que nem o carro usado é 0,1003. A proporção de dias em que alguma demanda recusada é 0,2003.