You are on page 1of 15

DISTRIBUIÇÃO DE POISSON

• Distribuição discreta de probabilidade aplicável a ocorrências de um evento em um intervalo especificado Distribuição de Poisson .

• • • • • • • • usuários de computador ligados na internet clientes chegando ao caixa de um supermercado acidentes com automóveis em uma determinada estrada Número de carros que chegam a um posto de gasolina Número de aviões sequestrados em um dia Número de falhas em componentes por unidade de tempo Número de requisições para um servidor em um intervalo de tempo t Número de peças defeituosas substituídas num veículo durante o primeiro ano de vida Exemplos .

temos um conjunto de ocorrências que satisfazem as seguintes condições: • o número de ocorrências de um evento em um intervalo de tempo (espaço) é independente do número de ocorrências do evento em qualquer outro intervalo disjunto –ocorrências independentes umas das outras • a probabilidade de duas ou mais ocorrências simultâneas é praticamente zero • o número médio de ocorrências por unidade de tempo (espaço) é constante ao longo do tempo (espaço) –ocorrências distribuídas uniformemente sobre o intervalo considerado • o número de ocorrências durante qualquer intervalo depende somente da duração ou tamanho do intervalo. quanto maior o intervalo. maior o número de ocorrências .• Em todas estas situações.

com o detalhe é que: • i) p  0. com o detalhe de que P(sucesso) tende a ZERO.• Experimento ser realizado em repetições (repetitivo). percebe-se que são as mesmas da Binomial. • Ter uma variável aleatória. denotada por n. • Em cada Repetição ser um Experimento de Bernoulli. • Repetir uma quantia fixa de vezes. cuja lei de formação é a quantia de sucessos nas n repetições. . • i i) n  ∞. e que n tende a infinito. • Nota: Pela característica da Poisson. digamos X.000 .

000 diz-se que a distribuição de Poisson é a distribuição de eventos raros. Por diz-se que a distribuição de Poisson é a distribuição de eventos raros. o valor de p depende da unidade do tempo. . Na quase totalidade da Distribuição de Poisson.Por: p  0. é preciso atentar para este fato para achar o seu valor.

.• Portanto: • A variável aleatória X é o nº de ocorrências do evento no intervalo • O intervalo pode ser o tempo. a distância. a área. o volume ou outra unidade análoga.

• x = valor da v. node ocorrências do evento em um intervalo • λ= taxa de ocorrência do evento x (nº esperado(MÉDIA) de eventos) • e ≈2.71828 (constante natural) .• Esta distribuição representa a probabilidade de que um evento ocorra um nº especificado de vezes em um intervalo de tempo (espaço). quando a taxa de ocorrência é fixa . a.

• Uma central telefônica tipo PABX recebe uma média de 5 chamadas por minuto. Qual a probabilidade deste PABX não receber nenhuma chamada durante um intervalo de 1 minuto? Exemplo 1: .

• A)Qual é a probabilidade de que haja duas falhas em 1 metro quadrado de tecido? • B)Qual a probabilidade de que não haja falhas em 20 metros quadrados de tecido? • C)Qual a probabilidade de que haja no mínimo duas falhas em 10 metros quadrados de tecido? Exemplo 2: .O número de falhas em parafusos de máquinas da indústria têxtil segue a distribuição de Poisson.1 falha por metro quadrado. com média 0.

..• A distribuição de Poisson exige que: • a variável aleatória X seja o nº de ocorrências de um evento em um intervalo • as ocorrências sejam aleatórias • as ocorrências sejam independentes umas das outras • as ocorrências tenham a mesma probabilidade sobre o intervalo considerado Reforçando. ..

Os parâmetros da Distribuição de Poisson são: • MÉDIA=𝜆 = 𝑛𝑝 e DESVIO PADRÃO= 𝜆 = 𝑛𝑝 Distribuição de Poisson .

enquanto a Poisson é afetada apenas pela taxa de ocorrência (média) λ • em uma binomial..• A distribuição de Poisson DIFERE da Distribuição Binomial em dois aspectos: • a binomial é afetada pelo tamanho da amostra n e pela probabilidade p..3 . (sem limite superior) .. 2.1.. os valores possíveis da variável aleatória X são 0.2. enquanto que em uma Poisson os valores possíveis de X são 0. n (limite máximo). 1. ..

• Podemos utilizar a Distribuição de Poisson como uma aproximação da Distribuição Binomial quando: • “n” é grande e “p”. podemos achar o valor de λ pela fórmula: • λ= n .p ≤10 (regra empírica) • Ao utilizarmos Poisson como aproximação da Binomial. muito pequeno • •n ≥100 e n. p Observação Final .

Suponha que 10% das crianças de um determinado bairro do Rio de Janeiro prefiram sorvete de baunilha ao de chocolate. qual a probabilidade de que se entrevistarmos 10 crianças deste bairro que exatamente 2 duas prefiram soverte de baunilha? • Podemos resolver este problema de duas formas de mais exata que seria pela binomial o qual p=0.1 e n=10 ou pela distribuição de Poisson. é bem mais simples de ser calculada. o qual embora não seja tão exata quanto a binomial. . Embora pelo método de Poisson tenhamos um erro este erro em muitos casos não chega a ser significativo.