Aderência de Poisson (Poisson Goodness of Fit)
O teste de aderência de Poisson determina se dados de contagem seguem uma distribuição de Poisson, uma distribuição que descreve o número de vezes que um evento raro ocorre em um intervalo fixo de tempo, área, volume ou oportunidade. Se os dados se ajustam bem à distribuição de Poisson, isso confirma que os eventos ocorrem de forma aleatória e independente, a uma taxa média constante.
Última revisão
Conclusão principal
O teste de aderência de Poisson determina se dados de contagem seguem uma distribuição de Poisson, que descreve o número de vezes que um evento raro ocorre em um intervalo fixo de tempo, área, volume ou oportunidade.
Nesta página
O que é a aderência de Poisson?
O teste de aderência de Poisson determina se dados de contagem seguem uma distribuição de Poisson, uma distribuição que descreve o número de vezes que um evento raro ocorre em um intervalo fixo de tempo, área, volume ou oportunidade. Se os dados se ajustam bem à distribuição de Poisson, isso confirma que os eventos ocorrem de forma aleatória e independente, a uma taxa média constante.
As aplicações comuns incluem testar se o número de defeitos por unidade, de chegadas de clientes por hora ou de falhas de equipamentos por mês segue o modelo de Poisson, que é a base das cartas C e das cartas U no controle estatístico do processo.
Definição simples: Um teste que verifica se os seus dados de contagem se ajustam à distribuição de Poisson, confirmando que eventos raros ocorrem de forma aleatória e independente, a uma taxa média estável.
Quando usar a aderência de Poisson?
- Use quando seus dados forem contagens de eventos (e não medições), como defeitos por unidade, erros por documento ou falhas por máquina por mês.
- Use quando quiser validar a premissa de um processo de Poisson antes de aplicar cartas C, cartas U ou regressão de Poisson.
- Use quando os eventos forem raros em relação ao tamanho da oportunidade : a distribuição de Poisson é adequada quando a probabilidade de um único evento é baixa, mas o número de oportunidades é grande.
- Use para diagnosticar a superdispersão : se os dados falharem de forma significativa no ajuste de Poisson, a variância excede a média, o que sugere fontes adicionais de variação que uma carta C ou U padrão não detectaria.
Diretrizes para o uso correto da aderência de Poisson
- Os eventos devem ser independentes : a ocorrência de um evento não deve influenciar a probabilidade do seguinte.
- A taxa média de ocorrência deve ser constante em todos os períodos de observação: se a taxa mudar ao longo do tempo, o modelo de Poisson não é adequado.
- Certifique-se de que as frequências esperadas em cada categoria de contagem sejam de pelo menos 1 a 5 : combine as categorias de baixa contagem, se necessário, para obter um teste confiável.
- Um valor-p abaixo de 0.05 indica que os dados não se ajustam à distribuição de Poisson: investigue se a superdispersão, o agrupamento ou a variação das taxas são os responsáveis.
Alternativas: quando não usar a aderência de Poisson
- Se os dados de contagem falharem no ajuste de Poisson por superdispersão, use a distribuição binomial negativa ou as cartas U de Laney / P de Laney
- Se a resposta for categórica, e não uma contagem, use o Qui-quadrado de aderência
- Se a resposta for contínua, use o teste de normalidade ou a identificação de distribuição individual
- Se os eventos não forem raros ou a taxa de eventos for alta, a premissa de Poisson pode não valer; considere o teste de distribuição binomial
Exemplo de aderência de Poisson
Um engenheiro da qualidade quer saber se os defeitos por celular seguem uma distribuição de Poisson. O engenheiro seleciona aleatoriamente 300 celulares e registra o número de defeitos por celular. As etapas do teste são as seguintes:
- Coletou os dados necessários.

- Em seguida, analise os dados no Zometric Statistical Software em https://statsai.zometric.com/.
- Para encontrar a Poisson Goodness Of Fit, escolha Statistical module> Hypothesis Test> Poisson Goodness Of Fit.
- Na ferramenta, insira os dados e as demais entradas da seguinte forma:

5. Depois de usar a ferramenta mencionada acima, obtém-se a saída a seguir:


Como fazer a aderência de Poisson
O guia é o seguinte:
- Faça login no Zometric Statistical Software em https://statsai.zometric.com/
- Na página inicial, escolha Statistical Tool> Hypothesis Test >Poisson Goodness Of Fit .
- Em seguida, atualize os dados manualmente ou copie todos os dados (Ctrl+C) de uma planilha do Excel e cole-os (Ctrl+V) aqui.
- Preencha as opções necessárias.
- Por fim, clique em calculate na parte inferior da página para obter os resultados desejados.
No painel (dashboard) da aderência de Poisson, a janela é dividida em duas partes.

Na parte esquerda fica o painel de dados (Data Pane). No Data Pane, cada linha forma um subgrupo. Os dados podem ser inseridos manualmente, ou você pode copiar todos os dados (Ctrl+C) de uma planilha do Excel e colá-los (Ctrl+V) aqui.
Load example: Os dados de exemplo serão carregados.
Load File: É usado para carregar diretamente os dados do Excel.
Na parte direita, há várias opções, descritas a seguir:
- Variable Selecione a coluna com os dados de contagem que você quer testar, por exemplo, o número de defeitos por unidade, de erros por documento ou de falhas por máquina por período de inspeção. Cada valor dessa coluna representa uma contagem de quantas vezes um evento ocorreu em uma oportunidade ou intervalo de tempo definido. Essa é a entrada principal que o teste usa para avaliar se os dados seguem uma distribuição de Poisson. Este campo é obrigatório.
- Frequency Variable Selecione a coluna com a frequência de cada valor de contagem , ou seja, quantas vezes cada contagem específica apareceu no conjunto de dados. Este campo é opcional e é usado quando seus dados já estão resumidos em uma tabela de frequências, em vez de listados como observações individuais.
- Por exemplo, se seus dados mostram que uma contagem de 0 defeitos ocorreu 15 vezes, uma contagem de 1 defeito ocorreu 22 vezes e uma contagem de 2 defeitos ocorreu 8 vezes, você inseriria os valores de contagem (0, 1, 2) na coluna Variable e as frequências correspondentes (15, 22, 8) na coluna Frequency Variable. Se seus dados estiverem em forma bruta, com uma observação por linha, deixe este campo vazio.
- Bar Chart of Observed and Expected Values Quando ativada, exibe um gráfico de barras lado a lado que compara as contagens realmente observadas com as contagens esperadas sob uma distribuição de Poisson. Esta é a saída visual mais informativa: mostra imediatamente se o formato dos seus dados observados corresponde à curva teórica de Poisson ou se se desvia de forma significativa, e em que direção (mais disperso, mais concentrado ou com assimetria diferente da esperada).
- Bar Chart of Each Category Contribution to the Chi-Square Value Quando ativada, exibe um gráfico de barras que mostra quanto cada valor de contagem individual contribui para a estatística de teste qui-quadrado geral. As barras mais altas representam os valores de contagem que mais se desviam do esperado pela distribuição de Poisson, ajudando a identificar exatamente onde a distribuição falha, em vez de apenas saber que o ajuste geral é ruim. É particularmente útil para diagnosticar se a superdispersão, a subdispersão ou uma contagem incomum específica está causando o resultado.
- Display Bars from Largest to Smallest Quando ativada, ordena as barras do gráfico de contribuição em ordem decrescente , da maior contribuição para a menor. Isso facilita identificar imediatamente quais valores de contagem são os maiores responsáveis por qualquer afastamento da distribuição de Poisson, concentrando a atenção primeiro nos desvios mais significativos, em vez de ler as barras na ordem sequencial das contagens.
- Display Test Results Quando ativada, mostra a saída completa do teste estatístico, incluindo a estatística qui-quadrado, os graus de liberdade, a média de Poisson estimada (lambda) e o valor-p , diretamente ao lado do gráfico. Isso permite ver os resultados visuais e numéricos juntos em um só lugar, facilitando a interpretação da conclusão geral sem alternar entre painéis de saída separados.
Perguntas frequentes
O que é um teste de aderência de Poisson?
Um teste de aderência de Poisson determina se dados de contagem seguem uma distribuição de Poisson, que descreve com que frequência um evento raro ocorre em um intervalo fixo de tempo, área, volume ou oportunidade. Um bom ajuste sustenta a conclusão de que os eventos ocorrem de forma aleatória e independente, a uma taxa média constante, como defeitos por unidade ou falhas por mês.
Quando usar um teste de aderência de Poisson?
Use-o quando os dados forem contagens de eventos, e não medições, e você quiser validar a premissa de Poisson antes de aplicar cartas C, cartas U ou regressão de Poisson. Ele também é usado para diagnosticar a superdispersão: se os dados claramente falharem no ajuste de Poisson, a variância excede a média, o que sugere fontes extras de variação que uma carta C ou U padrão não detectaria.
Como interpretar o valor-p da aderência de Poisson?
Um valor-p abaixo de 0.05 indica que os dados não se ajustam à distribuição de Poisson, portanto investigue se a superdispersão, o agrupamento ou a variação das taxas são os responsáveis. A saída informa a estatística qui-quadrado, os graus de liberdade, a média de Poisson estimada (lambda) e o valor-p, e o gráfico da contribuição de cada categoria para o qui-quadrado mostra quais valores de contagem mais se desviam do esperado pela distribuição de Poisson.
O que fazer se os dados de contagem não se ajustarem a uma distribuição de Poisson?
Se os dados falharem no ajuste de Poisson por superdispersão, considere uma distribuição binomial negativa ou as cartas U de Laney ou P de Laney. Se os eventos não forem raros, considere o teste de distribuição binomial. Verifique também se as frequências esperadas em cada categoria de contagem são de pelo menos 1 a 5, combinando as categorias de baixa contagem, se necessário, para obter um teste confiável.
