Distribución de pescado
Distribución de pescado
La distribución de Poisson es una distribución discreta .
Estima cuántas veces puede ocurrir un evento en un tiempo específico. Por ejemplo, si alguien come dos veces al día, ¿cuál es la probabilidad de que coma tres veces?
Tiene dos parámetros:
lam
- tasa o número conocido de ocurrencias, por ejemplo, 2 para el problema anterior.
size
- La forma de la matriz devuelta.
Ejemplo
Genere una distribución aleatoria de 1x10 para la ocurrencia 2:
from numpy import random
x = random.poisson(lam=2, size=10)
print(x)
Visualización de la distribución de Poisson
Ejemplo
from numpy import random
import matplotlib.pyplot as plt
import seaborn as sns
sns.distplot(random.poisson(lam=2, size=1000), kde=False)
plt.show()
Resultado
Diferencia entre distribución normal y de Poisson
La distribución normal es continua mientras que la poisson es discreta.
Pero podemos ver que, similar a la binomial para una distribución de Poisson lo suficientemente grande, se volverá similar a la distribución normal con cierta desviación estándar y media.
Ejemplo
from numpy import random
import matplotlib.pyplot as plt
import seaborn as sns
sns.distplot(random.normal(loc=50, scale=7, size=1000), hist=False,
label='normal')
sns.distplot(random.poisson(lam=50, size=1000), hist=False,
label='poisson')
plt.show()
Resultado
Diferencia entre distribución de Poisson y binomial
La diferencia es muy sutil y es que la distribución binomial es para pruebas discretas, mientras que la distribución de Poisson es para pruebas continuas.
Pero para distribuciones binomiales muy grandes n
y cercanas a cero p
, es casi idéntica a la distribución de Poisson, de modo que n * p
es casi igual a lam
.
Ejemplo
from numpy import random
import matplotlib.pyplot as plt
import seaborn as sns
sns.distplot(random.binomial(n=1000, p=0.01, size=1000), hist=False,
label='binomial')
sns.distplot(random.poisson(lam=10, size=1000), hist=False,
label='poisson')
plt.show()