Forskjell mellom poissonfordeling og normalfordeling

Poisson Distribution vs Normal Distribution

Poisson og Normal distribusjon kommer fra to forskjellige prinsipper. Poisson er et eksempel på diskret sannsynlighetsfordeling mens normalt tilhører kontinuerlig sannsynlighetsfordeling.

Normal distribusjon er generelt kjent som "Gaussian Distribution" og mest brukt til å modellere problemer som oppstår i naturvitenskap og samfunnsvitenskap. Mange strenge problemer oppstår ved å bruke denne distribusjonen. Mest brukte eksempelet ville være "Observasjonsfeilene" i et bestemt eksperiment. Normal fordeling følger en spesiell form kalt "Bell kurve" som gjør livet enklere for modellering av stor mengde variabler. I mellomtiden stammer normalfordeling fra "Central Limit Theorem", hvor det store antallet tilfeldige variabler distribueres "normalt". Denne fordelingen har symmetrisk fordeling om dens gjennomsnitt. Hvilket betyr jevnt fordelt fra sin x-verdi av 'Peak Graph Value'.

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

Ovennevnte ligning er sannsynlighetsdensitetsfunksjonen til 'Normal' og ved å forstørre, μ og σ2 refererer henholdsvis 'mean' og 'variance'. Det vanligste tilfellet med normal distribusjon er 'Standard Normal Distribution' hvor μ = 0 og σ2 = 1. Dette innebærer at pdf for ikke-standard normalfordeling beskriver at x-verdien, hvor toppen har blitt riktig forskjøvet, og bredden på klokkeformen har blitt multiplisert med faktoren σ, som senere blir reformert som Standardavvik eller kvadratroten av 'Varians' (σ ^ 2).

På den annen side er Poisson et perfekt eksempel på diskret statistisk fenomen. Det kommer som det begrensende tilfellet av binomialfordeling - den felles fordeling mellom "Diskrete Sannsynlighetsvariabler". Poisson forventes å bli brukt når et problem oppstår med detaljer om "rate". Enda viktigere er denne fordeling et kontinuum uten pause i et tidsintervall med kjent forekomstrate. For 'uavhengige' hendelser har et resultat ikke påvirket neste gang, det vil være den beste anledningen, hvor Poisson kommer inn i spill.

Så som en helhet må man se at begge fordelingene er fra to helt forskjellige perspektiver, som bryter de oftest likhetene mellom dem.