Разлика између Поиссонове дистрибуције и нормалне дистрибуције

Поиссон Дистрибутион вс Нормал Дистрибутион

Поиссонова и нормална дистрибуција потичу из два различита принципа. Поиссон је један пример за дискретну дистрибуцију вероватноће, док нормалан припада непрекидној дистрибуцији вероватноће.

Нормална дистрибуција је опште позната као „Гауссова дистрибуција“ и најефикасније се користи за моделирање проблема који настају у природним и друштвеним наукама. Многи ригорозни проблеми се сусрећу са овом дистрибуцијом. Најчешћи пример би био „Грешке посматрања“ у одређеном експерименту. Нормална расподјела прати посебан облик назван "Крива звона" који олакшава живот за моделирање велике количине варијабли. У међувремену, нормална дистрибуција настала је из „теорема централног лимита“ под којим се велики број случајних променљивих дистрибуира „нормално“. Ова дистрибуција има симетричну дистрибуцију о својој средњој вредности. Што значи равномерно распоређено од његове к-вредности „Пеак Грапх Валуе“.

пдф: 1 / √ (2πσ ^ 2) е ^ (〖(к-µ)〗 ^ 2 / (2σ ^ 2))

Горе поменута једначина је функција вероватноће густоће „нормалног“, а по увећању µ и σ2 означава „средње“ и „варијанцу“. Најчешћи случај нормалне дистрибуције је „Стандардна нормална дистрибуција“ где је µ = 0 и σ2 = 1. То подразумева да пдф нестандардне нормалне дистрибуције описује да је к-вредност, где је врх померен десно и ширина облика звона помножена са фактором σ, који се касније реформише у 'Стандард Девиација' или квадратни корен „Варијансе“ (σ ^ 2).

Са друге стране Поиссон је савршен примјер за дискретне статистичке појаве. То долази као ограничавајући случај биномне дистрибуције - уобичајене дистрибуције међу „дискретним варијаблама вероватноће“. Очекује се да ће Поиссон бити кориштен када дође до проблема са детаљима "рате". Још важније, ова дистрибуција је континуитет без одмора током интервала временског периода са познатом брзином појаве. За „независне“ догађаје нечији исход не утиче на то да ће следећи догађај бити најбоља прилика, где Поиссон долази у игру.

Дакле, у целини треба сагледати да су обе дистрибуције из две потпуно различите перспективе, што крши најчешће сличности међу њима.