Estatísticas - Distribuição de Poisson

O transporte de Poisson é uma dispersão de probabilidade discreta e é amplamente usado em trabalhos mensuráveis. Este transporte foi produzido por um matemático francês Dr. Simon Denis Poisson em 1837 e a divulgação leva o seu nome. A circulação de Poisson é utilizada como parte daquelas circunstâncias em que a probabilidade de uma ocasião acontecer é pequena, ou seja, a ocasião acontece de vez em quando. Por exemplo, a probabilidade de coisas com defeito em uma organização de montagem é pequena, a probabilidade de ocorrer tremor em um ano é pequena, a probabilidade de infortúnio em uma rua é pequena e assim por diante. Todos esses são casos de ocasiões em que a probabilidade de ocorrência é pequena.

A distribuição de Poisson é definida e dada pela seguinte função de probabilidade:

Fórmula

$ {P (Xx)} = {e ^ {- m}}. \ Frac {m ^ x} {x!} $

Onde -

  • $ {m} $ = Probabilidade de sucesso.

  • $ {P (Xx)} $ = Probabilidade de x sucessos.

Exemplo

Problem Statement:

Um produtor de alfinetes percebeu que 5% do seu item normal está com defeito. Ele oferece pinos em um pacote de 100 e garante que não mais do que 4 pinos estarão com defeito. Qual é a probabilidade de um pacote atender à qualidade garantida? [Dado: $ {e ^ {- m}} = 0,0067 $]

Solution:

Seja p = probabilidade de um pino defeituoso = 5% = $ \ frac {5} {100} $. Recebemos:

$ {n} = 100, {p} = \ frac {5} {100}, \\ [7pt] \ \ Rightarrow {np} = 100 \ vezes \ frac {5} {100} = {5} $

A distribuição de Poisson é dada como:

$ {P (Xx)} = {e ^ {- m}}. \ Frac {m ^ x} {x!} $

Probabilidade necessária = P [o pacote atenderá à garantia]

= P [o pacote contém até 4 defeituosos]

= 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 \ vezes 65,374 = 0,438 $