Loi de Poisson Calculatrice

✖La moyenne de distribution est la valeur moyenne arithmétique à long terme d'une variable aléatoire ayant cette distribution.ⓘ Moyenne de distribution [μ]			+10% -10%
✖Les résultats spécifiques au sein des essais sont le nombre de fois qu'un certain résultat se produit dans un ensemble d'essais donné.ⓘ Résultats spécifiques des essais [x]			+10% -10%

✖La distribution de Poisson est la distribution de probabilité discrète du nombre d'événements se produisant au cours d'une période donnée, étant donné le nombre moyen de fois que l'événement se produit au cours de cette période.ⓘ Loi de Poisson [P_poisson]

⎘ Copie

👎

Formule

LaTeX

Réinitialiser

👍

Télécharger Paramètres industriels Formules PDF PDF Image

Loi de Poisson Solution

ÉTAPE 0: Résumé du pré-calcul

Formule utilisée

Distribution de Poisson = Moyenne de distribution^(Résultats spécifiques des essais)*e^(-Moyenne de distribution)/(Résultats spécifiques des essais!)
P_poisson = μ^(x)*e^(-μ)/(x!)
Cette formule utilise 1 Constantes, 3 Variables

Constantes utilisées

e - constante de Napier Valeur prise comme 2.71828182845904523536028747135266249

Variables utilisées

Distribution de Poisson - La distribution de Poisson est la distribution de probabilité discrète du nombre d'événements se produisant au cours d'une période donnée, étant donné le nombre moyen de fois que l'événement se produit au cours de cette période.
Moyenne de distribution - La moyenne de distribution est la valeur moyenne arithmétique à long terme d'une variable aléatoire ayant cette distribution.
Résultats spécifiques des essais - Les résultats spécifiques au sein des essais sont le nombre de fois qu'un certain résultat se produit dans un ensemble d'essais donné.

ÉTAPE 1: Convertir les entrées en unité de base

Moyenne de distribution: 2 --> Aucune conversion requise
Résultats spécifiques des essais: 3 --> Aucune conversion requise

ÉTAPE 2: Évaluer la formule

Remplacement des valeurs d'entrée dans la formule

P_poisson = μ^(x)*e^(-μ)/(x!) --> 2^(3)*e^(-2)/(3!)

Évaluer ... ...

P_poisson = 0.180447044315484

ÉTAPE 3: Convertir le résultat en unité de sortie

0.180447044315484 --> Aucune conversion requise

RÉPONSE FINALE

0.180447044315484 ≈ 0.180447 <-- Distribution de Poisson

(Calcul effectué en 00.004 secondes)

Tu es là -

Accueil » Ingénierie » Mécanique » Ingénierie mécanique » Paramètres industriels » Loi de Poisson

Crédits

Créé par Suman Ray Pramanik

Institut indien de technologie (IIT), Kanpur

Suman Ray Pramanik a créé cette calculatrice et 50+ autres calculatrices!

Vérifié par Akshada Kulkarni

Institut national des technologies de l'information (NIIT), Neemrana

Akshada Kulkarni a validé cette calculatrice et 900+ autres calculatrices!

< Paramètres industriels Calculatrices

Facteur d'apprentissage

LaTeX Aller Facteur d'apprentissage = (log10(Il est temps de passer à la tâche 1)-log10(Temps pour n tâches))/log10(Nombre de tâches)

Point de commande

LaTeX Aller Point de commande = Délai de livraison de la demande+Stock de sécurité

Intensité du trafic

LaTeX Aller Intensité du trafic = Taux moyen d'arrivée/Taux de service moyen

Variance

LaTeX Aller Variance = ((Temps pessimiste-Temps optimiste)/6)^2

Loi de Poisson Formule

LaTeX Aller

Distribution de Poisson = Moyenne de distribution^(Résultats spécifiques des essais)*e^(-Moyenne de distribution)/(Résultats spécifiques des essais!)
P_poisson = μ^(x)*e^(-μ)/(x!)

Qu'est-ce que la distribution de probabilité de Poisson?

La distribution de probabilité de Poisson est la distribution de probabilité discrète du nombre d'événements survenant dans une période donnée, étant donné le nombre moyen de fois où l'événement se produit au cours de cette période. La distribution de Poisson est utilisée pour décrire la distribution d'événements rares dans une grande population. La distribution de Poisson décrit la distribution de données binaires à partir d'un échantillon infini. Ainsi, il donne la probabilité d'obtenir r événements dans une population.

Accueil

GRATUIT PDF

🔍 Chercher

Catégories

Let Others Know

✖

Facebook

Twitter

Copied!