Como usar a função POISSON.DIST do Excel

O Poisson pode ser uma ferramenta muito útil ao abordar a análise estatística com o Excel. Não mostra como funciona? Aqui estão as etapas para usar POISSON.DIST do Excel:

Selecione uma célula para a resposta DIST.POISSON.

No menu Funções estatísticas, selecione DIST.POISSON para abrir a caixa de diálogo Argumentos da função.

Na caixa de diálogo Argumentos da função, insira os valores apropriados para os argumentos.
Na caixa X, insira o número de eventos para os quais você está determinando a probabilidade. Para este exemplo, você está procurando pr (1), então insira 1.
Na caixa Média, insira a média do processo, que para este exemplo é 1.
Na caixa Cumulativa, é VERDADEIRO para a probabilidade cumulativa ou FALSE apenas para a probabilidade do número de eventos. Digite FALSE.
Com as entradas para X, Média e Cumulativa, a resposta aparece na caixa de diálogo. A resposta para este exemplo é 0,367879441.

Clique em OK para colocar a resposta na célula selecionada.

No exemplo, você vê a probabilidade de duas juntas defeituosas em 1.000 e a probabilidade de três. Para prosseguir com os cálculos, digite 2 na caixa X para calcular pr (2) e 3 para encontrar pr (3).

No século 21, é muito fácil calcular as probabilidades binomiais diretamente. A imagem abaixo mostra as probabilidades de Poisson e binomial para os números na coluna B e as condições do exemplo. As probabilidades são representadas graficamente para que você possa ver o quão próximos os dois realmente estão. A célula D3 foi selecionada, portanto, a barra de fórmulas mostra como BINOM.DIST foi usado para calcular as probabilidades binomiais.

Embora a utilidade do Poisson como uma aproximação esteja desatualizada, ele ganhou vida própria. Fenômenos tão díspares quanto dados de tempo de reação em experimentos psicológicos, degeneração de substâncias radioativas e pontuações em jogos de hóquei profissional parecem se ajustar às distribuições de Poisson. É por isso que analistas de negócios e pesquisadores científicos gostam de basear os modelos nessa distribuição.