Wahrscheinlichkeit & Statistik · Poisson-Verteilung

Poisson-Verteilung

Wie wahrscheinlich sind genau k Ereignisse in einem festen Intervall? Treten sie einzeln mit konstanter mittlerer Rate auf, sind die Anzahlen in disjunkten Intervallen unabhängig und werden hier λ Ereignisse erwartet, so gilt P(X = k) = e^(−λ)·λᵏ/k!. Teile das Intervall in n Abschnitte mit Ereigniswahrscheinlichkeit λ/n: Wächst n, geht die Binomialverteilung in die Poisson-Verteilung über.

Die Poisson-Verteilung in dieser Darstellung

Die Poisson-Verteilung beschreibt die Anzahl von Ereignissen in einer festen Zeitspanne, auf einer Strecke oder in einer Fläche, etwa Anrufe bei einer Hotline in einer Stunde oder Tippfehler auf einer Seite. Die Ereignisse treten einzeln mit gleichbleibender mittlerer Rate auf, und die Anzahlen in disjunkten Bereichen sind unabhängig. Der einzige Parameter ist die erwartete Anzahl λ\lambda (Rate mal Intervalllänge). Es gilt P(X=k)=e−λλk/k!P(X = k) = e^{-\lambda}\lambda^k/k! für k=0,1,2,…k = 0, 1, 2, \dots. Hier besteht das Intervall aus nn Abschnitten, in denen jeweils mit Wahrscheinlichkeit λ/n\lambda/n ein Ereignis eintritt. Die Anzahl ist dann binomialverteilt. Bei jeder Verdopplung von nn nähern sich die roten Balken dem Poisson-Umriss, während der Erwartungswert λ\lambda bleibt.

Woher die Formel kommt

Für p=λ/np = \lambda/n zerfällt die Binomialwahrscheinlichkeit in drei Faktoren: (nk)pk(1−p)n−k=n(n−1)⋯(n−k+1)nk\binom{n}{k}p^k(1-p)^{n-k} = \frac{n(n-1)\cdots(n-k+1)}{n^k}⋅λkk!⋅(1−λn)n−k{}\cdot\frac{\lambda^k}{k!}\cdot\Bigl(1-\frac{\lambda}{n}\Bigr)^{n-k}. Der erste vergleicht die Anzahl der geordneten Auswahlen von kk verschiedenen Abschnitten mit nkn^k. Bei festem kk strebt er gegen 1. Der mittlere Faktor hängt gar nicht von nn ab. Der letzte steht dafür, dass alle übrigen Abschnitte leer bleiben, und strebt gegen e−λe^{-\lambda}: Aus dem Zinseszinsgrenzwert (1+r/n)n→er(1 + r/n)^n \to e^r mit r=−λr = -\lambda folgt das, weil der verbleibende Faktor (1−λ/n)−k(1 - \lambda/n)^{-k} gegen 1 geht. Das Produkt der drei Grenzwerte ergibt die Poisson-Formel. Für festes λ\lambda und großes nn nimmt die größte Abweichung zwischen den Verteilungen ungefähr wie 1/n1/n ab. Daher nähern sich die Quotienten im Protokoll der 2.

Mittelwert und Varianz sind beide λ

Bei nn Teilintervallen ist der Mittelwert n⋅λ/n=λn\cdot\lambda/n = \lambda, unabhängig von nn. Die Varianz beträgt np(1−p)=λ(1−λ/n)np(1-p) = \lambda(1 - \lambda/n) und ist etwas kleiner als λ\lambda. Der Faktor 1−λ/n1 - \lambda/n nähert sich 1, wenn nn wächst. Somit hat auch die Poisson-Verteilung die Varianz λ\lambda und die Standardabweichung λ\sqrt{\lambda}.

Die Form der Verteilung

Jeder Poisson-Balken ist λ/(k+1)\lambda/(k+1) mal so hoch wie der vorherige: P(X=k+1)=P(X=k)⋅λ/(k+1)P(X = k+1) = P(X = k)\cdot\lambda/(k+1). Ist der Faktor größer als 1, steigen die Balken an. Fällt er unter 1, sinken sie. Für λ<1\lambda < 1 ist 0 daher am wahrscheinlichsten, und die Balken fallen von Anfang an. Sonst liegt ein Maximum bei ⌊λ⌋\lfloor \lambda \rfloor. Ist λ\lambda ganzzahlig, sind λ−1\lambda - 1 und λ\lambda gleich wahrscheinlich. Mit größerem λ\lambda wird die Verteilung nahezu symmetrisch und glockenförmig, wie der zentrale Grenzwertsatz erklärt.

Worauf du achten kannst

  • λ muss keine ganze Zahl sein: Im Mittel 0.5 Ereignisse pro Intervall sind ebenso sinnvoll wie 3.
  • Ein Mittelwert von λ bedeutet nicht, dass meist genau λ Ereignisse eintreten: Bei λ = 3 sind es nur in etwa 22 % der Fälle genau 3.
  • Zum Modell gehört, dass die Ereignisse einzeln eintreten. In jedem Teilintervall ist höchstens ein Ereignis möglich. Treten Ereignisse in Gruppen auf, ergibt sich eine andere Verteilung der Anzahl.

Bedienung

  • Klicke auf eine Säule oder ziehe das Dreieck unter den Balken, um die drei Faktoren für diese Ereigniszahl abzulesen.

Verwandte Themen