Razlika između Poissonove distribucije i normalne raspodjele

Poissonova distribucija prema normalnoj distribuciji

Poisson i Normalna distribucija dolaze iz dva različita principa. Poisson je jedan primjer za diskretnu raspodjelu vjerojatnosti, dok Normalno pripada neprekidnoj distribuciji vjerojatnosti.

Normalna distribucija općenito je poznata kao "Gaussova distribucija" i najučinkovitije se koristi za modeliranje problema koji nastaju u prirodnim i društvenim znanostima. Mnogi rigorozni problemi susreću se s ovom distribucijom. Najčešći primjer bili bi "opažajne pogreške" u određenom eksperimentu. Normalna raspodjela prati poseban oblik nazvan "Krivulja zvona" koji olakšava život za modeliranje velike količine varijabli. U međuvremenu, normalna distribucija potječe iz "teorema središnjeg ograničenja" pod kojim se velik broj slučajnih varijabli distribuira 'normalno'. Ova distribucija ima simetričnu raspodjelu oko srednje vrijednosti. Što znači ravnomjerno raspoređeni s njegove x-vrijednosti „Peak Graph Value“.

pdf: 1 / √ (2πσ ^ 2) e ^ (〖(x-µ)〗 ^ 2 / (2σ ^ 2))

Gore spomenuta jednadžba je funkcija gustoće vjerojatnosti od 'normalnog', a uvećanjem, µ i σ2 odnosi se na 'srednje' i 'varijancu'. Najčešći slučaj normalne raspodjele je „Standardna normalna raspodjela“ gdje je µ = 0 i σ2 = 1. To podrazumijeva pdf nestandardne normalne raspodjele koja opisuje da je x-vrijednost, gdje je vrh pomaknut desno i širina oblika zvona pomnožena s faktorom σ, koji se kasnije reformira u 'Standard Deviacija' ili kvadratni korijen 'Variance "(σ ^ 2).

S druge strane, Poisson je savršen primjer za diskretne statističke pojave. To dolazi kao ograničavajući slučaj binomne distribucije - uobičajene raspodjele među 'diskretnim varijablama vjerojatnosti'. Očekuje se da će se Poisson koristiti kad se pojavi problem s pojedinostima "stope". Još važnije, ova je distribucija kontinuitet bez prekida za vremenski interval s poznatom brzinom pojave. Za „neovisne“ događaje nečiji ishod ne utječe na to da će sljedeći događaj biti najbolja prilika u kojoj Poisson dolazi u igru.

Dakle, u cjelini treba vidjeti da su obje distribucije iz dvije potpuno različite perspektive, što krši najčešće sličnosti među njima.