Probabilità e statistica · Distribuzione di Poisson

Distribuzione di Poisson

Se gli eventi si verificano uno alla volta a un tasso medio costante, i conteggi su intervalli disgiunti sono indipendenti e in un dato intervallo si attendono λ eventi, la probabilità di osservarne esattamente k è P(X = k) = e^(−λ)·λᵏ/k!. Dividi l’intervallo in n parti con probabilità λ/n di un evento in ciascuna: al crescere di n la distribuzione binomiale converge a quella di Poisson.

La distribuzione di Poisson in questa visualizzazione

La distribuzione di Poisson descrive il numero di eventi in un intervallo di tempo, in un tratto di lunghezza data o in un’area fissata: per esempio, le chiamate a un servizio di assistenza in un’ora o i refusi in una pagina. Gli eventi si verificano uno alla volta a un tasso medio costante e i conteggi su regioni disgiunte sono indipendenti. L’unico parametro è il numero atteso λ\lambda (il tasso per la lunghezza dell’intervallo) e vale P(X=k)=e−λλk/k!P(X = k) = e^{-\lambda}\lambda^k/k! per k=0,1,2,…k = 0, 1, 2, \dots. Qui l’intervallo è diviso in nn parti e ciascuna contiene un evento con probabilità λ/n\lambda/n. Il conteggio è quindi binomiale. Raddoppiando nn, le barre rosse si avvicinano al profilo di Poisson, mentre la media resta λ\lambda.

Da dove viene la formula

Ponendo p=λ/np = \lambda/n, la probabilità binomiale si scompone in tre fattori: (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}. Il primo confronta il numero di modi di scegliere in ordine kk parti distinte con nkn^k e tende a 1 per kk fissato. Il fattore centrale non dipende da nn. L’ultimo esprime la probabilità che tutte le altre parti restino vuote e tende a e−λe^{-\lambda}: è il limite dell’interesse composto (1+r/n)n→er(1 + r/n)^n \to e^r con r=−λr = -\lambda, mentre il fattore restante (1−λ/n)−k(1 - \lambda/n)^{-k} tende a 1. Moltiplicando i tre limiti si ottiene la formula di Poisson. Per λ\lambda fissato, quando nn è grande lo scarto massimo fra le due distribuzioni decresce all’incirca come 1/n1/n; perciò i rapporti nel registro si avvicinano a 2.

Media e varianza valgono entrambe λ

Con nn parti, la media vale n⋅λ/n=λn\cdot\lambda/n = \lambda per ogni nn e la varianza è np(1−p)=λ(1−λ/n)np(1-p) = \lambda(1 - \lambda/n), leggermente inferiore a λ\lambda. Il fattore 1−λ/n1 - \lambda/n tende a 1 al crescere di nn, quindi anche la distribuzione di Poisson ha varianza λ\lambda e deviazione standard λ\sqrt{\lambda}.

La forma della distribuzione

Ogni barra di Poisson è λ/(k+1)\lambda/(k+1) volte la precedente: P(X=k+1)=P(X=k)⋅λ/(k+1)P(X = k+1) = P(X = k)\cdot\lambda/(k+1). Finché il rapporto supera 1, le barre crescono; quando scende sotto 1, calano. Per λ<1\lambda < 1, quindi, il conteggio più probabile è 0 e le barre scendono fin dall’inizio. Negli altri casi c’è un massimo in ⌊λ⌋\lfloor \lambda \rfloor; se λ\lambda è un intero, λ−1\lambda - 1 e λ\lambda sono equiprobabili. Al crescere di λ\lambda la distribuzione diventa quasi simmetrica e assume una forma a campana, come spiega il teorema del limite centrale.

Cosa osservare

  • λ non deve per forza essere intero: una media di 0.5 eventi per intervallo è altrettanto valida di una media di 3.
  • Una media pari a λ non implica che di solito si osservino esattamente λ eventi. Con λ = 3, se ne osservano esattamente 3 soltanto nel 22% circa dei casi.
  • Gli eventi devono verificarsi uno alla volta. Suddividere l’intervallo traduce questa ipotesi: ogni parte può contenere al massimo un evento. Se gli eventi arrivano a gruppi, la distribuzione del conteggio cambia.

Comandi

  • Fai clic su una colonna o trascina il triangolo sotto le barre per leggere i tre fattori corrispondenti al conteggio scelto.

Concetti correlati