Dystrybucja ryb
Dystrybucja ryb
Dystrybucja Poissona jest dystrybucją dyskretną .
Szacuje, ile razy zdarzenie może mieć miejsce w określonym czasie. np. jeśli ktoś je dwa razy dziennie, jakie jest prawdopodobieństwo, że zje trzy razy?
Ma dwa parametry:
lam
- wskaźnik lub znana liczba zdarzeń np. 2 dla powyższego problemu.
size
– kształt zwróconej tablicy.
Przykład
Wygeneruj losowy rozkład 1x10 dla wystąpienia 2:
from numpy import random
x = random.poisson(lam=2, size=10)
print(x)
Wizualizacja rozkładu Poissona
Przykład
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()
Wynik
Różnica między rozkładem normalnym a rozkładem Poissona
Rozkład normalny jest ciągły, natomiast Poissona jest dyskretny.
Widzimy jednak, że podobny do dwumianu dla wystarczająco dużego rozkładu Poissona, stanie się podobny do rozkładu normalnego z pewnym odchyleniem standardowym i średnią.
Przykład
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()
Wynik
Różnica między rozkładem Poissona a rozkładem dwumianowym
Różnica jest bardzo subtelna, ponieważ rozkład dwumianowy dotyczy prób dyskretnych, podczas gdy rozkład Poissona dotyczy prób ciągłych.
Ale dla bardzo dużego n
i bliskiego zeru p
rozkład dwumianowy jest prawie identyczny z rozkładem Poissona, tak że n * p
jest prawie równy lam
.
Przykład
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()