Come utilizzare la funzione POISSON.DIST di Excel

Poisson può essere uno strumento molto utile quando ci si avvicina all'analisi statistica con Excel. Non mostrare come funziona? Ecco i passaggi per utilizzare POISSON.DIST di Excel:

Seleziona una cella per la risposta di DISTRIB.POISSON.

Dal menu Funzioni statistiche, selezionare DISTRIB.POISSON per aprire la finestra di dialogo Argomenti funzione.

Nella finestra di dialogo Argomenti funzione, immettere i valori appropriati per gli argomenti.
Nella casella X, inserisci il numero di eventi per cui stai determinando la probabilità. Per questo esempio, stai cercando pr (1), quindi inserisci 1.
Nella casella Media, inserisci la media del processo, che per questo esempio è 1.
Nella casella Cumulativo, è VERO per la probabilità cumulativa o FALSE solo per la probabilità del numero di eventi. Entra FALSO.
Con le voci X, Media e Cumulativa, la risposta viene visualizzata nella finestra di dialogo. La risposta per questo esempio è .367879441.

Fare clic su OK per inserire la risposta nella cella selezionata.

Nell'esempio, vedi la probabilità per due giunti difettosi su 1.000 e la probabilità per tre. Per eseguire i calcoli, digita 2 nella casella X per calcolare pr (2) e 3 per trovare pr (3).

Nel 21° secolo è abbastanza facile calcolare direttamente le probabilità binomiali. L'immagine seguente mostra il Poisson e le probabilità binomiali per i numeri nella colonna B e le condizioni dell'esempio. Le probabilità sono rappresentate graficamente in modo da poter vedere quanto siano vicine le due. È stata selezionata la cella D3, quindi la barra Formula mostra come è stata utilizzata DISTRIB.BINOM per calcolare le probabilità binomiali.

Sebbene l'utilità del Poisson come approssimazione sia superata, ha assunto una vita propria. Fenomeni così disparati come i dati sui tempi di reazione negli esperimenti di psicologia, la degenerazione delle sostanze radioattive e i punteggi nelle partite di hockey professionistico sembrano adattarsi alle distribuzioni di Poisson. Questo è il motivo per cui analisti aziendali e ricercatori scientifici amano basare i modelli su questa distribuzione.