10.2 Poisson
Recordemos la ecuación de la distribución Poisson:
P(x)=e−μμxx!
Donde:
μ es el número medio de ocurrencia (éxitos) en un intervalo en particular. e es la constante 2.71828 (constante de Euler). x es el numero de ocurrencias (éxitos). P(x) es la probabilidad de un valor especifico de x. ! es la función factorial.
De igual forma que en la distribución binomial, no nos dejemos intimidar por la complejidad de la ecuación y usemos el algebra del modelo que es mucho más sencilla. Si desea entender un poco mejor el proceso Poisson vean el video que preparó Khan Academy.
P(x)∼Pois(λ)
Donde:
P(x) es la probabilidad de un valor especifico de x, el cual se distribuye de acuerdo a la distribución Poisson (Pois) y que equivaldría a un valor específico del conteo. λ es la media de la distribución.
<- 100
n <- 10
lambda <- data.frame('data' = rpois(n, lambda))
poisson_data
library(tidyverse)
%>% ggplot() +
poisson_data geom_histogram(aes(x = data,
y = stat(count / sum(count))),
color = 'black',
binwidth = 1) +
geom_vline(xintercept = lambda,
size = 1,
linetype = 'dashed',
color = 'red') +
theme_bw() +
labs(x = 'Number of successes per period',
y = 'Proportion',
title = '1,000 samples of Pois(lambda = 10)')
Ejercicio:
Use el modelo para variar n y lambda… vea que sucede.