Probabilidad y estadística · Distribución de Poisson

Distribución de Poisson

Si los sucesos ocurren de uno en uno a una tasa media constante, sus recuentos en intervalos disjuntos son independientes y se esperan λ sucesos en un intervalo dado, la probabilidad de que ocurran exactamente k es P(X = k) = e^(−λ)·λᵏ/k!. Divide el intervalo en n partes con probabilidad λ/n de un suceso por parte: al crecer n, la distribución binomial converge a la de Poisson.

La distribución de Poisson en esta visualización

La distribución de Poisson describe cuántas veces ocurre algo en un periodo, longitud o área fijos: por ejemplo, las llamadas a una línea de ayuda en una hora o las erratas de una página. Los sucesos deben ocurrir de uno en uno a una tasa media constante, y los recuentos en regiones disjuntas deben ser independientes. Su único parámetro es el número esperado λ\lambda (la tasa por la longitud del intervalo), y se cumple P(X=k)=e−λλk/k!P(X = k) = e^{-\lambda}\lambda^k/k! para k=0,1,2,…k = 0, 1, 2, \dots. Aquí se divide el intervalo en nn partes, cada una con probabilidad λ/n\lambda/n de contener un suceso. El recuento sigue entonces una distribución binomial. Al duplicar nn, sus barras rojas se acercan al contorno de Poisson, mientras que la media sigue siendo λ\lambda.

De dónde sale la fórmula

Si p=λ/np = \lambda/n, la probabilidad binomial se descompone en tres factores: (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}. El primero compara el número de formas de elegir en orden kk partes distintas con nkn^k. Para kk fijo, tiende a 1. El factor central no depende de nn. El último expresa la probabilidad de que todas las demás partes queden vacías y tiende a e−λe^{-\lambda}: se aplica el límite del interés compuesto (1+r/n)n→er(1 + r/n)^n \to e^r con r=−λr = -\lambda, y el factor restante (1−λ/n)−k(1 - \lambda/n)^{-k} tiende a 1. El producto de los tres límites da la fórmula de Poisson. Para λ\lambda fijo, cuando nn es grande, la diferencia máxima entre ambas distribuciones disminuye aproximadamente como 1/n1/n. Por eso los cocientes del registro se acercan a 2.

La media y la varianza valen λ

Con nn partes, la media vale n⋅λ/n=λn\cdot\lambda/n = \lambda para cualquier nn y la varianza es np(1−p)=λ(1−λ/n)np(1-p) = \lambda(1 - \lambda/n), un poco menor que λ\lambda. El factor 1−λ/n1 - \lambda/n tiende a 1 cuando aumenta nn, así que la distribución de Poisson también tiene varianza λ\lambda y su desviación estándar es λ\sqrt{\lambda}.

La forma de la distribución

Cada barra de Poisson mide λ/(k+1)\lambda/(k+1) veces la anterior: P(X=k+1)=P(X=k)⋅λ/(k+1)P(X = k+1) = P(X = k)\cdot\lambda/(k+1). Mientras el factor supere 1, las barras crecen; cuando baja de 1, decrecen. Así, para λ<1\lambda < 1 el recuento más probable es 0 y las barras decrecen desde el principio. En los demás casos hay un máximo en ⌊λ⌋\lfloor \lambda \rfloor; si λ\lambda es un entero, λ−1\lambda - 1 y λ\lambda son igual de probables. Al crecer λ\lambda, la distribución se vuelve casi simétrica y toma forma de campana, como explica el teorema central del límite.

En qué fijarse

  • λ no tiene por qué ser un entero: una media de 0.5 sucesos por intervalo es tan válida como una de 3.
  • Una media de λ no significa que lo habitual sea observar exactamente λ sucesos: con λ = 3, solo se observan exactamente 3 en torno al 22% de las veces.
  • Que los sucesos ocurran de uno en uno es parte del modelo. La división en partes lo garantiza, porque cada una admite como máximo un suceso. Si los sucesos llegan en grupos, la distribución del recuento cambia.

Controles

  • Haz clic en una columna o arrastra el triángulo bajo las barras para leer los tres factores correspondientes a ese recuento.

Conceptos relacionados