Datos aleatorios de Poisson

Datos aleatorios de Poisson simula recuentos de eventos independientes que ocurren a una tasa media constante, como defectos por unidad o llamadas por hora. Usted define el número de filas y de columnas y la media (lambda); la varianza es igual a la media. Úselo para probar gráficas C y U. Los valores son enteros no negativos y, para lambda superior a 30, la distribución se aproxima a una distribución normal. Hay un resumen gráfico opcional.

Última revisión:

Idea clave

Datos aleatorios de Poisson genera recuentos enteros no negativos de la distribución de Poisson, dado un número medio de eventos por intervalo (lambda), para simular defectos, errores o llegadas por unidad de tiempo, área o volumen.

En esta página
  1. ¿Qué son los datos aleatorios de Poisson?
  2. ¿Cuándo usar datos aleatorios de Poisson?
  3. Pautas para el uso correcto de datos aleatorios de Poisson
  4. Alternativas: cuándo no usar datos aleatorios de Poisson
  5. Ejemplo de datos aleatorios de Poisson
  6. Cómo generar datos aleatorios de Poisson

¿Qué son los datos aleatorios de Poisson?

Datos aleatorios de Poisson genera valores de la distribución de Poisson, que modela el número de eventos que ocurren en un intervalo fijo de tiempo, área o volumen cuando los eventos ocurren de forma independiente a una tasa media constante. Usted especifica lambda (λ), el número medio de eventos por intervalo.

Definición sencilla: Genera datos de recuento aleatorios sobre cuántas veces ocurre un evento en un periodo fijo, como defectos por unidad, llamadas por hora o errores por página de documento.

¿Cuándo usar datos aleatorios de Poisson?

  • Úselo para simular recuentos de defectos, recuentos de errores o tasas de llegada por unidad de tiempo o de área.
  • Úselo para probar gráficas C y gráficas U con valores de lambda conocidos.
  • Úselo cuando los eventos sean poco frecuentes e independientes dentro de la ventana de observación.

Pautas para el uso correcto de datos aleatorios de Poisson

  • Todos los valores serán enteros no negativos : compruébelo en la salida.
  • Para valores grandes de lambda (> 30), la distribución se aproxima a una distribución normal.

Alternativas: cuándo no usar datos aleatorios de Poisson

  • Para datos de proporción de defectuosos, use Datos aleatorios binomiales
  • Para datos continuos de tiempo hasta el evento, use Datos aleatorios exponenciales

Ejemplo de datos aleatorios de Poisson

Los pasos para generar datos aleatorios de Poisson son los siguientes:

  1. Para generar datos aleatorios de Poisson, es necesario rellenar las opciones requeridas.
  2. Ahora analice los datos en Zometric Statistical Software en https://statsai.zometric.com/.
  3.  Para encontrar Generate Random Poisson Data, elija Statistical module> Random Data > Random Poisson Data
Random Poisson Data — figure 1Random Poisson Data — figure 2

4. Después de usar la herramienta mencionada, se obtiene la siguiente salida:

Random Poisson Data — figure 3Random Poisson Data — figure 4

Cómo generar datos aleatorios de Poisson

La guía es la siguiente:

  1. Inicie sesión en Zometric Statistical Software en https://statsai.zometric.com/
  2. En la página de inicio, elija Statistical Tool> Random Data>Random Poisson Data.
  3. A continuación, debe rellenar las opciones necesarias.
  4. Por último, haga clic en calculate en la parte inferior de la página para obtener los resultados deseados.

En el tablero de Random Poisson Data, la ventana está dividida en dos partes.

Random Poisson Data — figure 5

En la parte izquierda se encuentra el panel de datos (Data Pane). En el Data Pane, cada fila contiene datos aleatorios generados. Los datos se generarán después de rellenar las opciones necesarias.

En la parte derecha hay varias opciones, como sigue:

  • Number of rows of data to generate:  Especifica cuántos datos aleatorios se generan. Por ejemplo, si introduce 10 se producirán exactamente 10 filas de valores aleatorios, todas visibles en el panel de datos.
  • Number of columns:  Especifica cuántas variables (columnas) tendrá cada fila. Por ejemplo, si introduce 3 se producirán 3 columnas de datos generados aleatoriamente, una junto a otra, en el panel de datos.
  • Mean: El número medio de eventos por intervalo (lambda, λ). En una distribución de Poisson la varianza es igual a la media, por lo que los recuentos generados se dispersan más a medida que aumenta la media; todos los valores son enteros no negativos.
  • Graphical summary: Cuando se selecciona, todos los valores generados se agrupan y se resumen: un histograma con una curva normal ajustada y una gráfica de caja, estadísticos descriptivos, una prueba de normalidad de Anderson-Darling, una gráfica de probabilidad e intervalos de confianza del 95% para la media, la mediana y la desviación estándar. Es un resultado visual basado en los datos que se acaban de crear.

Preguntas frecuentes

¿Qué simulan los datos aleatorios de Poisson?

Los datos aleatorios de Poisson simulan el número de eventos en un intervalo fijo de tiempo, área o volumen cuando los eventos ocurren de forma independiente a una tasa media constante. Usted especifica lambda, el número medio de eventos por intervalo, y la herramienta genera recuentos como defectos por unidad, llamadas por hora o errores por página de documento.

¿Cuándo se deben usar datos aleatorios de Poisson?

Úselos para simular recuentos de defectos, recuentos de errores o tasas de llegada por unidad de tiempo o de área, y para probar gráficas C y gráficas U con valores de lambda conocidos. Es adecuado para eventos poco frecuentes e independientes dentro de la ventana de observación. Para datos de proporción de defectuosos use Datos aleatorios binomiales, y para datos continuos de tiempo hasta el evento use Datos aleatorios exponenciales.

¿Qué valores produce una distribución de Poisson?

Todos los valores generados son enteros no negativos, porque cada valor es un recuento de cuántas veces ocurrió un evento en un intervalo fijo. El único parámetro es la media, lambda, y la varianza es igual a la media, por lo que los recuentos se dispersan más a medida que aumenta la media. Para lambda superior a 30, la distribución de Poisson se aproxima a una distribución normal.