Compartir en LinkedIn Compartir en Twitter Compartir en Facebook

Distribución de Poisson en NumPy

La Distribución de Poisson es una distribución de probabilidad discreta que se utiliza comúnmente para modelar eventos raros o poco comunes. Describe la probabilidad de un número de eventos que ocurren en un intervalo de tiempo o espacio específico. Se utiliza en diversas áreas como la estadística, la biología, la física y la teoría de colas.

Esta lección introduce una librería o módulo usado en ciencia de datos con Python. Instálalo con pip en local; en el editor de The Data Schools muchas ya vienen precargadas.

Importa, ejecuta el ejemplo mínimo y solo después pasa a casos más complejos.

Distribución de Poisson con NumPy en Python

Para trabajar con la Distribución de Poisson en NumPy, primero debes importar la librería y luego utilizar la función numpy.random.poisson para generar datos aleatorios basados en esta distribución.

    data = np.random.poisson(lam, size=1000)
print(data)
  

Visualización de la Distribución de Poisson

Para visualizar la distribución, puedes utilizar bibliotecas como Matplotlib o Seaborn. Aquí hay un ejemplo utilizando Matplotlib:

    plt.ylabel('Probabilidad')
plt.tplt.title('Distribución de Poisson')
plt.show()
  

Diferencia entre Distribución Normal y Poisson

• La Distribución Normal (Gaussiana) describe datos continuos y es simétrica en forma de campana.
• La Distribución de Poisson describe datos discretos y se utiliza para contar eventos raros en un intervalo de tiempo o espacio.

Diferencia entre Distribución Binomial y de Poisson

• La Distribución Binomial se utiliza para modelar el número de éxitos en un número fijo de ensayos independientes con una probabilidad constante de éxito.
• La Distribución de Poisson se utiliza para modelar el número de eventos raros en un intervalo continuo o espacial.

Aquí tienes un ejemplo completo de cómo generar datos de Poisson, visualizar la distribución y comprender sus diferencias con otras distribuciones:

    data = np.random.poisson(lam, size=1000)
print(data)
  

Este código generará datos de Poisson, creará un histograma y superpondrá la distribución de Poisson teórica para ilustrar cómo se relacionan los datos generados con la distribución teórica.

Practica Distribución de Poisson en NumPy en el editor

Pon en práctica lo aprendido con nuestro editor Python interactivo. Cada ejercicio incluye el código de partida y un botón para abrirlo en una nueva pestaña, donde puedes modificarlo y ejecutarlo.

    data = np.random.poisson(lam, size=1000)
print(data)
  

    import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import poisson

lam = 3
k = np.arange(0, 12)
plt.bar(k, poisson.pmf(k, lam))
plt.xlabel('k')
plt.ylabel('Probabilidad')
plt.title('Distribución de Poisson')
plt.show()
  

    print("Práctica 897")
valores = [1, 2, 3]
print(sum(valores))