<\/p>\n
La distribuzione di Poisson<\/a> \u00e8 una distribuzione di probabilit\u00e0 utilizzata per modellare la probabilit\u00e0 che un certo numero di eventi si verifichino durante un intervallo di tempo fisso.<\/span><\/p>\n \u00c8 opportuno utilizzare la distribuzione di Poisson se sono soddisfatte le seguenti quattro ipotesi:<\/span><\/p>\n Presupposto 1: il numero di eventi pu\u00f2 essere contato.<\/strong><\/span><\/p>\n Assumiamo che il numero di \u201ceventi\u201d che possono verificarsi durante un dato intervallo di tempo sia conteggiabile e possa assumere i valori di 0, 1, 2, 3,\u2026ecc.<\/span><\/p>\n Ipotesi 2: Il verificarsi degli eventi \u00e8 indipendente.<\/strong><\/span><\/p>\n Assumiamo che il verificarsi di un evento non influenzi la probabilit\u00e0 che si verifichi un altro evento.<\/span><\/p>\n Presupposto 3: \u00e8 possibile calcolare la velocit\u00e0 media con cui si verificano gli eventi.<\/strong><\/span><\/p>\n Assumiamo che la velocit\u00e0 media con cui si verificano gli eventi durante un dato intervallo di tempo possa essere calcolata e sia costante in ciascun sottointervallo.<\/span><\/p>\n Presupposto 4: due eventi non possono verificarsi esattamente nello stesso momento.<\/strong><\/span><\/p>\n Assumiamo che in ogni sottointervallo estremamente piccolo si verifichi o non si verifichi esattamente un evento.<\/span><\/p>\n Gli esempi seguenti mostrano vari scenari che soddisfano i presupposti di una distribuzione di Poisson.<\/span><\/p>\n Il numero di clienti che arrivano ogni giorno in un ristorante pu\u00f2 essere modellato utilizzando una distribuzione di Poisson.<\/span><\/p>\n Questo scenario soddisfa ciascuna delle ipotesi di una distribuzione di Poisson:<\/span><\/p>\n Presupposto 1: il numero di eventi pu\u00f2 essere contato.<\/strong><\/span><\/p>\n Si pu\u00f2 contare il numero di clienti che ogni giorno arrivano al ristorante (ad esempio 200 clienti).<\/span><\/p>\n Ipotesi 2: Il verificarsi degli eventi \u00e8 indipendente.<\/strong><\/span><\/p>\n L’arrivo di un cliente non pregiudica l’arrivo di un altro cliente.<\/span><\/p>\n Presupposto 3: \u00e8 possibile calcolare la velocit\u00e0 media con cui si verificano gli eventi.<\/strong><\/span><\/p>\n Possiamo facilmente raccogliere dati sul numero medio di clienti che entrano ogni giorno nel ristorante.<\/span><\/p>\n Presupposto 4: due eventi non possono verificarsi esattamente nello stesso momento.<\/strong><\/span><\/p>\n Tecnicamente due clienti non possono entrare in un ristorante esattamente<\/em> nello stesso momento.<\/span><\/p>\n Il numero di interruzioni di rete che un’azienda tecnologica sperimenta ogni settimana pu\u00f2 essere modellato utilizzando una distribuzione di Poisson.<\/span><\/p>\n Questo scenario soddisfa ciascuna delle ipotesi di una distribuzione di Poisson:<\/span><\/p>\n Presupposto 1: il numero di eventi pu\u00f2 essere contato.<\/strong><\/span><\/p>\n \u00c8 possibile contare il numero di interruzioni di rete ogni settimana (ad esempio 3 interruzioni di rete).<\/span><\/p>\n Ipotesi 2: Il verificarsi degli eventi \u00e8 indipendente.<\/strong><\/span><\/p>\n Si presuppone che il verificarsi di un’interruzione della rete non influisca sulla probabilit\u00e0 che si verifichi un’altra interruzione della rete.<\/span><\/p>\n Presupposto 3: \u00e8 possibile calcolare la velocit\u00e0 media con cui si verificano gli eventi.<\/strong><\/span><\/p>\n Possiamo facilmente raccogliere dati sul numero medio di interruzioni di rete che si verificano ogni settimana.<\/span><\/p>\n Presupposto 4: due eventi non possono verificarsi esattamente nello stesso momento.<\/strong><\/span><\/p>\n Non possono verificarsi due interruzioni di rete esattamente nello stesso momento: pu\u00f2 verificarsi solo un’interruzione di rete alla volta.<\/span><\/p>\n Un’introduzione alla distribuzione di Poisson<\/a> La distribuzione di Poisson \u00e8 una distribuzione di probabilit\u00e0 utilizzata per modellare la probabilit\u00e0 che un certo numero di eventi si verifichino durante un intervallo di tempo fisso. \u00c8 opportuno utilizzare la distribuzione di Poisson se sono soddisfatte le seguenti quattro ipotesi: Presupposto 1: il numero di eventi pu\u00f2 essere contato. Assumiamo che il numero […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n Esempio 1: Numero di arrivi in un ristorante<\/strong><\/span><\/h3>\n
Esempio 2: numero<\/strong> di interruzioni di rete a settimana<\/strong><\/span><\/h3>\n
Risorse addizionali<\/strong><\/span><\/h3>\n
Calcolatore della distribuzione dei pesci<\/a>
5 esempi concreti della distribuzione di Poisson<\/a>
Come calcolare un intervallo di confidenza di Poisson<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"