Distribuzione di Poisson

Distribuzione di Poisson 𝒫(λ)
Funzione di distribuzione discreta
Distribuzione di probabilità
Funzione di ripartizione
Funzione di ripartizione
Parametriλ>0 
Supportoℕ
Funzione di densitàλnn!e−λ
Funzione di ripartizioneΓ(n+1,λ)n!

(dove Γ(x,y) è la funzione gamma incompleta)

Valore attesoλ 
Medianacirca [λ+13−150λ]
Moda[λ] 
sia λ che λ−1 se λ∈ℕ
Varianzaλ
Indice di asimmetria1λ
Curtosi1λ
Entropiaλ−λlog⁡λ+e−λ∑λnlog⁡(n!)n!
Funzione generatrice dei momentieλ(et−1)
Funzione caratteristicaeλ(eit−1)

In teoria delle probabilità la distribuzione di Poisson (o poissoniana) è una distribuzione di probabilità discreta che esprime le probabilità per il numero di eventi che si verificano successivamente ed indipendentemente in un dato intervallo di tempo, noto il numero atteso λ di eventi. Ad esempio, si utilizza una distribuzione di Poisson per misurare il numero di chiamate ricevute in un call-center in un determinato arco temporale, come una mattinata lavorativa. Questa distribuzione è anche nota come legge degli eventi rari.

Prende il nome dal matematico francese Siméon-Denis Poisson.

Definizione

La distribuzione di Poisson 𝒫λ(n) è una distribuzione di probabilità discreta data da

𝒫λ(n)=λnn!e−λ per ogni n∈ℕ,

dove λ è il numero medio di eventi per intervallo di tempo, mentre n è il numero di eventi per intervallo di tempo (lo stesso col quale si misura λ) di cui si vuole la probabilità.

Dallo sviluppo in serie dell'esponenziale eλ=∑n=0∞λnn! si trova 𝒫(ℕ)=1.

Convergenza

La distribuzione di Poisson può essere ottenuta come limite delle distribuzioni binomiali ℬ(n,p), con λ=np, ovvero si ha una convergenza in legge di ℬ(n,λ/n) a 𝒫(λ). Per questa convergenza la distribuzione di Poisson è anche nota come legge (di probabilità) degli eventi rari.

In statistica si adotta l'approssimazione della distribuzione binomiale tramite la distribuzione di Poisson quando n>20 e p<1/20, o preferibilmente quando n>100 e np<10.

Caratteristiche

Una variabile aleatoria Y di distribuzione di Poisson ha

E[Y]=∑n=0∞nλnn!e−λ=∑n=1∞nλnn!e−λ=λe−λ∑n=1∞λn−1(n−1)!=λe−λ∑n=0∞λnn!=λ
Var(Y)=E[Y2]−(E[Y])2=∑n=0∞n2λnn!e−λ−λ2=∑n=0∞n(n−1)λnn!e−λ+∑n=0∞nλnn!e−λ−λ2=∑n=2∞n(n−1)λnn!e−λ+λ−λ2=λ2e−λ∑n=2∞λ(n−2)(n−2)!+λ−λ2=λ2+λ−λ2=λ
(Riscriviamo n2 come n(n−1)+n)
g(t,Y)=E[etY]=e−λ∑n=0∞λnetnn!=e−λeλet=eλ(et−1)
γ1=1λ, γ2=1λ
λ−λlog⁡λ+e−λ∑n=0∞λnlog⁡(n!)n!

che ha un andamento 1+log⁡(2π)2 + 12log⁡λ − 112λ−1 − 124λ−2 − 19360λ−3 + O(λ−4)

Proprietà

Se Y1 e Y2 sono due variabili aleatorie indipendenti con distribuzioni di Poisson di parametri λ1 e λ2 rispettivamente, allora

  • la loro somma Y=Y1+Y2 segue ancora una distribuzione di Poisson, di parametro λ=λ1+λ2;
  • la distribuzione di Y1 condizionata da Y=n è la distribuzione binomiale di parametri λ1/λ e n.

Più in generale, la somma Y=Y1+...+Yn di n variabili aleatorie indipendenti con distribuzioni di Poisson di parametri λ1,...,λn segue una distribuzione di Poisson di parametro λ=λ1+...+λn, mentre la distribuzione di Y1 condizionata da Y=n è la distribuzione binomiale di parametri λ1/λ e n.

Distribuzioni collegate

Se la distribuzione di Poisson di parametro λ descrive il numero di eventi in un intervallo di tempo, il tempo di attesa tra due eventi successivi è descritto dalla distribuzione esponenziale di parametro λ.

La distribuzione di Skellam è definita come la distribuzione della differenza tra due variabili aleatorie indipendenti aventi entrambe distribuzioni di Poisson.

La mistura di distribuzioni tra la distribuzione di Poisson e la distribuzione Gamma (che governa il parametro λ) è la distribuzione di Pascal, che talvolta è anche detta Gamma-Poisson.

La distribuzione di Panjer, definita per ricorsione, generalizza la distribuzione di Poisson: P(n)=λnP(n−1).

Statistica

Approssimazioni

Per λ>1000 una variabile aleatoria con distribuzione di Poisson 𝒫(λ) viene solitamente approssimata con la distribuzione normale 𝒩(λ,λ); per parametri più piccoli (λ>10) sono invece necessarie delle correzioni di continuità, legate ai diversi domini delle due distribuzioni (una discreta, una continua).

La radice quadrata di una variabile aleatoria con distribuzione di Poisson è approssimata da una distribuzione normale meglio di quanto lo sia la variabile stessa.

Il parametro λ può essere stimato come la media delle osservazioni effettuate. Questo stimatore è privo di bias, ovvero ha come valore atteso λ stesso.

Inferenza bayesiana

Se il parametro λ di una distribuzione di Poisson è distribuito a priori secondo la distribuzione Gamma, allora lo è anche a posteriori dell'osservazione Y=y.

Storia

Questa distribuzione fu introdotta da Siméon-Denis Poisson nel 1838 nel suo articolo Recherches sur la probabilité des jugements en matière criminelle et en matière civile. Secondo alcuni storici questa variabile casuale dovrebbe portare il nome di Ladislaus Bortkevič considerati gli studi fatti da questo nel 1898.

In realtà la poissoniana come approssimazione della binomiale era già stata introdotta nel 1718 da Abraham de Moivre in Doctrine des chances.

Tavole dei valori della funzione di probabilità

λ = 0,1; 0,2; ... 1,0

k0,10,20,30,40,50,60,70,80,91,0
00,90480,81870,74080,67030,60650,54880,49660,44930,40660,3679
10,09050,16370,22220,26810,30330,32930,34760,35950,36590,3679
20,00450,01640,03330,05360,07580,09880,12170,14380,16470,1839
30,00020,00110,00330,00720,01260,01980,02540,03830,04940,0613
40,00010,00030,00070,00160,00300,00500,00770,01110,0153
50,00010,00020,00040,00070,00120,00200,0031
60,00010,00020,00030,0005
70,0001

λ = 1,2; 1,4; ... 3,0

k1,21,41,61,82,02,22,42,62,83,0
00,30120,24660,20190,16530,13530,11080,09070,07430,06080,0498
10,36140,34520,32300,29750,27070,24380,21770,19310,17030,1494
20,21690,24170,25840,26780,27070,26810,26130,25100,23840,2240
30,08670,11280,13780,16070,18040,19660,20900,21760,22250,2240
40,02600,03950,05510,07230,09020,10820,12540,14140,15570,1680
50,00620,01110,01760,02600,03610,04760,06020,07350,08720,1008
60,00120,00260,00470,00780,01200,01740,02410,03190,04070,0504
70,00020,00050,00110,00200,00340,00550,00830,01180,01630,0216
80,00010,00020,00050,00090,00150,00250,00380,00570,0081
90,00010,00020,00040,00070,00110,00180,0027
100,00010,00020,00030,00050,0008
110,00010,00010,0002
120,0002

λ = 3,5; 4,0; ... 8,0

k3,54,04,55,05,56,06,57,07,58,0
00,03020,01830,01110,00670,00410,00250,00150,00090,00060,0003
10,10570,07330,05000,03370,02250,01490,00980,00640,00410,0027
20,18500,14650,11250,08420,06180,04460,03180,02230,01560,0107
30,21580,19540,16870,14040,11330,08920,06880,05210,03890,0286
40,18880,19540,18980,17550,15580,13390,11180,09120,07290,0573
50,13220,15630,17080,17550,17140,16060,14540,12770,10940,0916
60,07710,10420,12810,14620,15710,16060,15750,14900,13670,1221
70,03850,05950,08240,10440,12340,13770,14620,14900,14650,1396
80,01690,02980,04630,06530,08490,10330,11880,13040,13730,1396
90,00660,01320,02320,03630,05190,06880,08580,10140,11440,1241
100,00230,00530,01040,01810,02850,04130,05580,07100,08580,0993
110,00070,00190,00430,00820,01430,02250,03300,04520,05850,0722
120,00020,00060,00160,00340,00650,01130,01790,02630,03660,0481
130,00010,00020,00060,00130,00280,00520,00890,01420,02110,0296
140,00010,00020,00050,00110,00220,00410,00710,01130,0169
150,00010,00020,00040,00090,00180,00330,00570,0090
160,00010,00030,00070,00140,00260,0045
170,00010,00030,00060,00120,0021
180,00010,00020,00050,0009
190,00010,00020,0004
200,00010,0002
210,00001

Voci correlate

Altri progetti