Puasono pasiskirstymas vs normalus pasiskirstymas
Poisson ir Normal pasiskirstymas kyla iš dviejų skirtingų principų. Poissonas yra vienas iš diskretaus tikimybių pasiskirstymo pavyzdžių, o normalus priklauso nuolatiniam tikimybių pasiskirstymui.
Normalusis pasiskirstymas paprastai žinomas kaip „Gauso pasiskirstymas“ ir efektyviausiai naudojamas modeliuoti gamtos ir socialinių mokslų srityse kylančias problemas. Naudojant šį paskirstymą susiduriama su daugybe griežtų problemų. Dažniausias pavyzdys būtų „stebėjimo klaidos“ konkrečiame eksperimente. Normalus pasiskirstymas vyksta pagal specialią formą, vadinamą „varpo kreivė“, kuri palengvina gyvenimą modeliuojant didelį kintamųjų kiekį. Tuo tarpu normalusis pasiskirstymas atsirado iš „centrinės ribinės teoremos“, pagal kurią daugybė atsitiktinių kintamųjų pasiskirsto „normaliai“. Šio paskirstymo vidurkis yra simetriškas. Tai reiškia, kad tolygiai pasiskirstę iš „Peak Graph Value“ x vertės.
pdf: 1 / √ (2πσ ^ 2) e ^ (〖(x-µ)〗 ^ 2 / (2σ ^ 2))
Aukščiau paminėta lygtis yra „normalios“ tikimybės tankio funkcija, o padidinus µ ir σ2 nurodo atitinkamai „vidurkį“ ir „dispersiją“. Labiausiai paplitęs normalaus pasiskirstymo atvejis yra „standartinis normalus pasiskirstymas“, kur µ = 0 ir σ2 = 1. Tai reiškia, kad nestandartinis normalusis pasiskirstymas pdf nusako, kad x reikšmė, kai smailė pasislinko į dešinę ir varpo forma buvo padauginta iš koeficiento σ, kuris vėliau pertvarkytas kaip „standartinis nuokrypis“ arba 'Variacijos' kvadratinė šaknis (σ ^ 2).
Kita vertus, Puasonas yra puikus pavyzdys, kaip atskirti statistinius reiškinius. Tai yra binominio paskirstymo, kuris yra ribotas, paplitimas tarp „diskrečiųjų tikimybių kintamųjų“. Tikimasi, kad Puasonas bus naudojamas, kai iškils problemų dėl „normos“. Dar svarbiau, kad šis pasiskirstymas yra tęstinis be pertraukos tam tikrą laiko tarpą su žinomu įvykio laipsniu. „Nepriklausomų“ įvykių atveju rezultatas neturi įtakos kitam įvykiui. Tai bus geriausia proga, kai Puissonas pradės savo veiklą.
Taigi iš esmės reikia manyti, kad abu paskirstymai yra iš dviejų visiškai skirtingų perspektyvų, o tai pažeidžia dažniausiai panašumus tarp jų..