- 统计教程
- 家
- 调整后的 R 平方
- 方差分析
- 算术平均值
- 算术中位数
- 算术模式
- 算术范围
- 条状图
- 最佳点估计
- 贝塔分布
- 二项分布
- 布莱克-斯科尔斯模型
- 箱线图
- 中心极限定理
- 切比雪夫定理
- 卡方分布
- 卡方表
- 循环排列
- 整群抽样
- 科恩卡帕系数
- 组合
- 与替换组合
- 比较图
- 连续均匀分布
- 连续级数算术平均值
- 连续级数算术中位数
- 连续级数运算模式
- 累积频率
- 变异系数
- 相关系数
- 累计地块
- 累积泊松分布
- 数据采集
- 数据收集 - 问卷设计
- 数据收集-观察
- 数据收集-案例研究方法
- 数据模式
- 十分位数统计
- 离散级数算术平均值
- 离散级数算术中位数
- 离散级数运算模式
- 点图
- 指数分布
- F分布
- F测试台
- 阶乘
- 频率分布
- 伽玛分布
- 几何平均数
- 几何概率分布
- 拟合优度
- 中庸之道
- 甘贝尔分布
- 调和平均值
- 谐波数
- 谐波共振频率
- 直方图
- 超几何分布
- 假设检验
- 个别系列算术平均值
- 个别系列算术中位数
- 个别系列运算模式
- 区间估计
- 逆伽玛分布
- 柯尔莫哥洛夫斯米尔诺夫检验
- 峰度
- 拉普拉斯分布
- 线性回归
- 对数伽玛分布
- 逻辑回归
- 麦克尼马尔测试
- 平均偏差
- 均值差异
- 多项式分布
- 负二项分布
- 正态分布
- 奇数和偶数排列
- 一比例 Z 检验
- 异常值函数
- 排列
- 置换置换
- 饼形图
- 泊松分布
- 合并方差 (r)
- 功率计算器
- 可能性
- 概率加性定理
- 概率倍数定理
- 概率贝叶斯定理
- 概率密度函数
- 过程能力 (Cp) 和过程性能 (Pp)
- 过程西格玛
- 二次回归方程
- 定性数据与定量数据
- 四分位数偏差
- 范围经验法则
- 瑞利分布
- 回归截距置信区间
- 相对标准偏差
- 可靠性系数
- 所需样本量
- 残差分析
- 残差平方和
- 均方根
- 样品策划
- 取样方式
- 散点图
- 香农维纳多样性指数
- 信噪比
- 简单随机抽样
- 偏度
- 标准差
- 标准误差 (SE)
- 标准普通表
- 统计学意义
- 统计公式
- 统计符号
- 茎叶图
- 分层抽样
- 学生 T 检验
- 平方和
- T-分布表
- Ti 83 指数回归
- 转换
- 截尾均值
- I 型和 II 型错误
- 方差
- 维恩图
- 弱大数定律
- Z工作台
- 统计有用资源
- 统计 - 讨论
统计 - 泊松分布
泊松传递是离散似然色散,广泛应用于可测量的工作中。该公式由法国数学家西蒙·丹尼斯·泊松 (Simon Denis Poisson) 博士于 1837 年提出,并以他的名字命名。泊松循环用于那些事件发生的可能性很小的情况,即偶尔发生的事件。例如,装配体中发生故障的可能性很小,一年中发生地震的可能性很小,街道上发生事故的可能性很小,等等。这些都是发生可能性很小的情况。
泊松分布由以下概率函数定义和给出:
公式
${P(Xx)} = {e^{-m}}.\frac{m^x}{x!}$
其中 -
${m}$ = 成功的概率。
${P(Xx)}$ = x 成功的概率。
例子
问题陈述:
一位别针生产商意识到,他的产品中通常有 5% 存在缺陷。他提供每包 100 个别针,并保证不超过 4 个别针有缺陷。捆绑包满足保证质量的可能性有多大?[给定:${e^{-m}} = 0.0067$]
解决方案:
设 p = 有缺陷引脚的概率 = 5% = $\frac{5}{100}$。我们得到:
${n} = 100, {p} = \frac{5}{100} , \\[7pt] \ \Rightarrow {np} = 100 \times \frac{5}{100} = {5}$
泊松分布如下:
${P(Xx)} = {e^{-m}}.\frac{m^x}{x!}$
所需概率 = P [数据包将满足保证]
= P [数据包最多包含 4 个缺陷品]
=P(0)+P(1)+P(2)+P(3)+P(4)
$ = {e^{-5}}.\frac{5^0}{0!} + {e^{-5}}.\frac{5^1}{1!} + {e^{-5 }}.\frac{5^2}{2!} + {e^{-5}}.\frac{5^3}{3!} +{e^{-5}}.\frac{5^ 4}{4!}, \\[7pt] \ = {e^{-5}}[1+\frac{5}{1}+\frac{25}{2}+\frac{125}{6 }+\frac{625}{24}] , \\[7pt] \ = 0.0067 \times 65.374 = 0.438$