Perbedaan antara binomial dan Poisson
Binomial vs Poisson
Terlepas dari kenyataannya, banyak distribusi termasuk dalam kategori contoh 'distribusi probabilitas kontinu'. Selain fakta umum ini, poin -poin penting dapat diajukan untuk membandingkan kedua distribusi ini dan satu harus mengidentifikasi pada saat itu salah satu dari ini telah dipilih dengan tepat.
Distribusi binomial
'Distribusi binomial' adalah distribusi awal yang digunakan untuk menghadapi, probabilitas dan masalah statistik. Di mana ukuran sampel 'n' ditarik dengan penggantian dari ukuran cobaan 'n' yang menghasilkan keberhasilan 'p'. Sebagian besar ini telah dilakukan untuk, eksperimen yang memberikan dua hasil utama, seperti 'ya', 'tidak' hasil. Sebaliknya, jika percobaan dilakukan tanpa penggantian, maka model akan bertemu dengan 'distribusi hipergeometri' yang menjadi independen dari setiap hasilnya. Meskipun 'binomial' berperan pada kesempatan ini juga, jika populasi ('n') jauh lebih besar dibandingkan dengan 'n' dan akhirnya dikatakan sebagai model terbaik untuk perkiraan.
Namun, di sebagian besar kesempatan sebagian besar dari kita menjadi bingung dengan istilah 'uji coba Bernoulli'. Namun demikian, baik 'binomial' dan 'Bernoulli' adalah makna yang serupa. Setiap kali 'n = 1 "uji coba Bernoulli' terutama dinamai, 'distribusi Bernoulli'
Definisi berikut adalah bentuk sederhana untuk membawa gambar yang tepat di antara, 'binomial' dan 'Bernoulli':
'Distribusi binomial' adalah jumlah dari 'uji coba Bernoulli' yang independen dan merata. Di bawah ini disebutkan beberapa persamaan penting berada di bawah kategori 'binomial'
Probability Mass Function (PMF): (Nk) Pk(1-P)N-K ; (Nk) = [n !] / [k !] [(N-K) !]
Berarti: NP
Median: NP
Varians: NP (1-P)
Pada contoh khusus ini,
'n'- seluruh populasi model
'K'- ukuran yang ditarik dan diganti dari' n '
'P'- Probabilitas keberhasilan untuk setiap set percobaan yang hanya terdiri dari dua hasil
Distribusi racun
Di sisi lain 'distribusi Poisson' ini telah dipilih pada acara 'distribusi binomial' yang paling spesifik. Dengan kata lain, orang dapat dengan mudah mengatakan bahwa 'Poisson' adalah subset dari 'binomial' dan lebih dari kasus 'binomial' yang kurang terbatas.
Ketika suatu peristiwa terjadi dalam interval waktu tetap dan dengan tingkat rata -rata yang diketahui maka adalah umum bahwa kasus dapat dimodelkan dengan menggunakan 'distribusi poisson' ini. Selain itu, acara tersebut harus 'mandiri' juga. Sedangkan tidak terjadi di 'binomial'.
'Poisson' digunakan saat masalah muncul dengan 'tingkat'. Ini tidak selalu benar, tetapi lebih sering daripada tidak itu benar.
Probability Mass Function (PMF): (λk /k!) e-λ
Berarti: λ
Varians: λ
Apa perbedaan antara binomial dan poisson?
Secara keseluruhan keduanya adalah contoh 'distribusi probabilitas diskrit'. Menambah itu, 'binomial' adalah distribusi umum yang lebih sering digunakan, namun 'Poisson' diturunkan sebagai kasus pembatas 'binomial'.
Menurut semua penelitian ini, kita dapat sampai pada kesimpulan yang mengatakan bahwa terlepas dari 'ketergantungan' kita dapat menerapkan 'binomial' untuk menghadapi masalah karena itu adalah perkiraan yang baik bahkan untuk kejadian mandiri. Sebaliknya, 'Poisson' digunakan untuk pertanyaan/masalah dengan penggantian.
Pada akhirnya, jika suatu masalah diselesaikan dengan kedua cara, yang untuk pertanyaan 'tergantung', seseorang harus menemukan jawaban yang sama di setiap contoh.
