¿Cómo crear un gráfico de función de masa de probabilidad de Poisson en Python?

En este artículo, veremos cómo podemos crear un gráfico de función de masa de probabilidad de Poisson en Python. En teoría de probabilidad y estadística, la distribución de Poisson es una distribución de probabilidad discreta que expresa la probabilidad de que ocurra un número dado de eventos en un intervalo fijo de tiempo o espacio si estos eventos ocurren con una tasa media constante conocida e independientemente del tiempo transcurrido desde que último evento. La distribución de Poisson también se puede utilizar para el número de eventos en otros intervalos específicos, como la distancia, el área o el volumen. 

Para trazar la distribución de Poisson, usaremos el módulo scipy. SciPy es una biblioteca de Python gratuita y de código abierto que se utiliza para la informática científica y la informática técnica. SciPy contiene módulos para optimización, álgebra lineal, integración, interpolación, funciones especiales, FFT, procesamiento de señales e imágenes, solucionadores de ODE y otras tareas comunes en ciencia e ingeniería.

Para obtener el gráfico de la función de masa de probabilidad de Poisson en Python, usamos el método poisson.pmf de Scipy. 
Sintaxis: poisson.pmf(k, mu, loc)
Argumento: Toma array numpy, parámetro de forma y ubicación como argumento
Retorno: Devuelve array numpy 
 

Ejemplo 1:

# importing poisson from scipy
from scipy.stats import poisson
 
# importing numpy as np
import numpy as np
 
# importing matplotlib as plt
import matplotlib.pyplot as plt
 
 
# creating a numpy array for x-axis
x = np.arange(0, 100, 0.5)
 
# poisson distribution data for y-axis
y = poisson.pmf(x, mu=40, loc=10)
 
 
# plotting the graph
plt.plot(x, y)
 
# showing the graph
plt.show()

Producción : 
 

Ejemplo 2: usar el tamaño de paso de los datos como 1 

# importing poisson from scipy
from scipy.stats import poisson
 
# importing numpy as np
import numpy as np
 
# importing matplotlib as plt
import matplotlib.pyplot as plt
 
 
# creating a numpy array for x-axis
# using step size as 1
x = np.arange(0, 100, 1)
 
# poisson distribution data for y-axis
y = poisson.pmf(x, mu=10, loc=40)
 
 
# plotting the graph
plt.plot(x, y)
 
# showing the graph
plt.show()

Producción: 
 

Ejemplo 3: Trazado de un diagrama de dispersión para una mejor visualización de los puntos de datos 

# importing poisson from scipy
from scipy.stats import poisson
 
# importing numpy as np
import numpy as np
 
# importing matplotlib as plt
import matplotlib.pyplot as plt
 
 
# creating a numpy array for x-axis
x = np.arange(0, 100, 0.5)
 
# poisson distribution data for y-axis
y = poisson.pmf(x, mu=50, loc=0)
 
 
# plotting thescatter plot graph
plt.scatter(x, y)
 
# showing the graph
plt.show()

Producción: