Probabilidade e estatística · Distribuição de Poisson

Distribuição de Poisson

Se os acontecimentos ocorrem um de cada vez a uma taxa média constante, as contagens em intervalos disjuntos são independentes e o número esperado num dado intervalo é λ, a probabilidade de exatamente k ocorrências é P(X = k) = e^(−λ)·λᵏ/k!. Divida o intervalo em n partes com probabilidade λ/n de uma ocorrência em cada uma. À medida que n cresce, a distribuição binomial converge para a de Poisson.

A distribuição de Poisson nesta visualização

A distribuição de Poisson descreve o número de ocorrências numa duração, comprimento ou área fixos, como as chamadas para uma linha de apoio durante uma hora ou as gralhas numa página. Os acontecimentos ocorrem um de cada vez a uma taxa média constante e as contagens em regiões disjuntas são independentes. Há um só parâmetro: o número esperado λ\lambda (a taxa multiplicada pelo comprimento do intervalo). Tem-se P(X=k)=e−λλk/k!P(X = k) = e^{-\lambda}\lambda^k/k! para k=0,1,2,…k = 0, 1, 2, \dots. Aqui, o intervalo divide-se em nn partes, cada uma com probabilidade λ/n\lambda/n de conter uma ocorrência. A contagem segue então uma distribuição binomial. Ao duplicar nn, as barras vermelhas aproximam-se do contorno de Poisson, mantendo a média λ\lambda.

De onde vem a fórmula

Com p=λ/np = \lambda/n, a probabilidade binomial decompõe-se em três fatores: (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}. O primeiro compara o número de maneiras de escolher, por ordem, kk partes distintas com nkn^k. Para kk fixo, tende para 1. O fator do meio não depende de nn. O último dá a probabilidade de todas as outras partes ficarem vazias e tende para e−λe^{-\lambda}: aplica-se o limite dos juros compostos (1+r/n)n→er(1 + r/n)^n \to e^r com r=−λr = -\lambda e o fator restante (1−λ/n)−k(1 - \lambda/n)^{-k} tende para 1. O produto dos três limites dá a fórmula de Poisson. Para λ\lambda fixo, quando nn é grande, a diferença máxima entre as distribuições diminui aproximadamente como 1/n1/n. Por isso, as razões no registo aproximam-se de 2.

A média e a variância são ambas λ

Com nn partes, a média é n⋅λ/n=λn\cdot\lambda/n = \lambda para qualquer nn e a variância é np(1−p)=λ(1−λ/n)np(1-p) = \lambda(1 - \lambda/n), ligeiramente inferior a λ\lambda. O fator 1−λ/n1 - \lambda/n tende para 1 quando nn cresce, pelo que a distribuição de Poisson tem também variância λ\lambda e desvio-padrão λ\sqrt{\lambda}.

A forma da distribuição

Cada barra de Poisson mede λ/(k+1)\lambda/(k+1) vezes a anterior: P(X=k+1)=P(X=k)⋅λ/(k+1)P(X = k+1) = P(X = k)\cdot\lambda/(k+1). Enquanto este fator for superior a 1, as barras sobem; quando passa a ser inferior a 1, descem. Assim, para λ<1\lambda < 1, a contagem mais provável é 0 e as barras descem desde o início. Nos restantes casos há um máximo em ⌊λ⌋\lfloor \lambda \rfloor. Se λ\lambda for inteiro, λ−1\lambda - 1 e λ\lambda são igualmente prováveis. À medida que λ\lambda cresce, a distribuição torna-se quase simétrica e adquire a forma de sino, como explica o teorema do limite central.

Aspetos a observar

  • λ não tem de ser inteiro: uma média de 0.5 ocorrências por intervalo é tão válida como uma média de 3.
  • Uma média de λ não significa que seja habitual observar exatamente λ ocorrências. Com λ = 3, só se observam exatamente 3 em cerca de 22% dos casos.
  • «Uma de cada vez» faz parte do modelo: cada parte admite no máximo uma ocorrência. Se os acontecimentos chegarem em grupos, a distribuição da contagem muda.

Controlos

  • Clique numa coluna ou arraste o triângulo por baixo das barras para ler os três fatores correspondentes a essa contagem.

Conceitos relacionados