La distribuzione di Poisson

Cerca nel sito

Altri risultati..

Generic selectors
Exact matches only
Search in title
Search in content
Post Type Selectors

Cerca nelle Categorie

La distribuzione di POISSON

Cos’è la distribuzione di Poisson

E’ un modello probabilistico adoperato per rappresentare situazioni di conteggio del n° di occorrenze di certi eventi in una unità di tempo o più precisamente n° di “successi” in un certo intervallo continuo (di tempo, di superficie, di lunghezza).

• La distribuzione binomiale tende alla poissoniana quando la probabilità dell’evento è molto piccola con n (prove) molto grande.
• La poissoniana è una distribuzione discreta, con la caratteristica che la media teorica (valore atteso) è uguale alla varianza:
poissoniana
Una v. casuale di Poisson è una v. casuale discreta che può assumere qualsiasi valore intero non-negativo.
Può essere derivata in due diversi contesti:

Possibili applicazioni della distribuzione di Poisson

possibili applicazioni della poissoniana

IPOTESI BASE DELLA POISSON

Si assuma che un intervallo sia diviso in un numero molto grande di sottointervalli, di modo che la probabilità del verificarsi di un evento in ogni
sottointervallo sia molto piccola. Le ipotesi di base della Poisson sono:
1.La probabilità del verificarsi di un evento è costante per tuttii sottointervalli.
2.L’evento non si può verificare più di una volta in ciascuno dei sottointervalli.
3.Eventi che si verificano in intervalli disgiunti sono indipendenti.

Dalla Binomiale alla Poisson

Consideriamo in un modello binomiale la probabilità di successo in rapporto al numero di prove

Si dimostra che al crescere del numero delle prove, con una probabilità di successo in ogni singola prova molto piccola, la distribuzione Binomiale può essere approssimata con la distribuzione di Poisson.

ESEMPIO 1:

Il numero di guasti che in un anno si verificano in una centralina telefonica si distribuiscono secondo la legge di Poisson, con λ=3. Qual è la probabilità che in un anno si verifichino tre guasti?

Ti potrebbe interessare anche:  Caratteristiche della distribuzione binomiale. La distribuzione normale.

ESEMPIO 2:

Il titolare di una pasticceria rinomata per i suoi tortini alle fragole sta tenendo sotto controllo il ciclo di produzione per verificare quante ne vengono inserite su ogni tortino. Supponendo che tale numero segua una distribuzione Poissoniana con λ=6, qual è la probabilità che in un
particolare tortino si trovino esattamente cinque fragole?

Valore atteso e Varianza nella distribuzione di Poisson

E’ possibile dimostrare che il valore atteso e la varianza di una v. casuale di Poisson sono uguali tra loro e pari a λ

Valore atteso e Varianza nella distribuzione di Poisson

Il parametro caratteristico della legge distributiva Poissoniana è quindi espressione sia del valore medio che della variabilità della distribuzione:

ESEMPIO 3:

In una centralina telefonica mediamente in un anno si verificano 3 guasti: se il numero di guasti si distribuisce secondo la legge di Poisson, qual è la probabilità di avere in un anno x guasti?

 

Al crescere di λ la distribuzione della variabile X è sempre più schiacciata e il centro spostato verso destra

 

 

Funzione di ripartizione

La funzione di ripartizione quantifica la probabilità di avere un numero di occorrenze (eventi nell’unità di tempo) inferiore ad una data soglia:

funzione di ripartizione della distribuzione di Poisson

ESEMPIO 4:

Si supponga che il numero di imperfezioni per metro2 in un tappeto segua la legge di Poisson con λ=2,2:
qual è la probabilità di avere al più 2 imperfezioni per metro quadro?

Eventi temporali

La v.c. di Poisson esprime la probabilità che in una data unità di tempo si ripetano un certo numero di eventi:

ESEMPIO 5:

Un telefono può squillare (successo) o meno (insuccesso) in ogni istante: supponiamo che suoni, in media, 5 volte in un ora
La v.c. di Poisson esprime la probabilità che in una data unità di tempo si ripetano un certo numero di eventi.
Se dividiamo l’intervallo in 60 parti uguali otteniamo degli intervalli di 1’ per i quali il numero medio di chiamate è pari a 5.
Pensiamo agli “intervallini” come prove Bernoulliane in cui la prob. di successo è π=5/60.

Ti potrebbe interessare anche:  I rapporti statistici

Se dividiamo ogni intervallo di un minuto in 60 secondi allora avremo 3600 “prove” con una prob. di successo pari a π=5/3600… Continuando a frazionare l’unità di tempo si può approssimare la distribuzione con la Poissoniana.

La Poisson, oltre ad essere importante di per sé, é molto utile per approssimare la distribuzione di probabilità della Binomiale

Se X è una v.c. Binomiale con probabilità di successo π ed n è un numero molto grande si ha:

 

ESEMPIO 6:

La probabilità di soffrire degli effetti collaterali di un vaccino anti influenzale è del 5 per mille. Supponendo che il vaccino sia somministrato a 1500 persone, determinare la prob. che non più di una persona subisca effetti collaterali:

 

 

RIEPILOGO:

Distribuzione di Poisson sintesi

ESEMPIO 7:

È noto che nell’arco di un’ora ad una determinata pagina web accedono mediamente 5 utenti. Si determini la probabilità che vi accedano 3 utenti nello stesso arco temporale.

 

 

(1124)

PubblicitàPubblicità