Perbedaan antara distribusi Poisson dan distribusi normal

Distribusi poisson vs distribusi normal

Poisson dan distribusi normal berasal dari dua prinsip yang berbeda. Poisson adalah salah satu contoh untuk distribusi probabilitas diskrit sedangkan normal milik distribusi probabilitas kontinu.

Distribusi normal umumnya dikenal sebagai 'distribusi Gaussian' dan paling efektif digunakan untuk memodelkan masalah yang muncul dalam ilmu alam dan ilmu sosial. Banyak masalah ketat ditemui menggunakan distribusi ini. Contoh yang paling umum adalah 'kesalahan pengamatan' dalam percobaan tertentu. Distribusi normal mengikuti bentuk khusus yang disebut 'Bell Curve' yang membuat hidup lebih mudah untuk memodelkan variabel dalam jumlah besar. Sementara itu distribusi normal yang berasal dari 'teorema batas pusat' di mana sejumlah besar variabel acak didistribusikan 'biasanya'. Distribusi ini memiliki distribusi simetris tentang rata -rata. Yang berarti secara merata didistribusikan dari nilai x- dari 'nilai grafik puncak'.

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

Persamaan yang disebutkan di atas adalah fungsi kepadatan probabilitas dari 'normal' dan dengan memperbesar, μ dan σ2 masing -masing mengacu 'rata -rata' dan 'varian'. Kasus distribusi normal yang paling umum adalah 'distribusi normal standar' di mana µ = 0 dan σ2 = 1. Ini menyiratkan PDF distribusi normal non-standar menjelaskan bahwa, nilai-X, di mana puncaknya telah digeser kanan dan lebar bentuk lonceng telah dikalikan dengan faktor σ, yang kemudian direformasi sebagai 'standar deviasi' atau akar kuadrat 'varians' (σ^2).

Di sisi lain Poisson adalah contoh sempurna untuk fenomena statistik diskrit. Itu datang sebagai kasus pembatas distribusi binomial - distribusi umum di antara 'variabel probabilitas diskrit'. Poisson diharapkan akan digunakan saat masalah muncul dengan detail 'tarif'. Lebih penting lagi, distribusi ini adalah kontinum tanpa istirahat untuk interval periode waktu dengan tingkat kejadian yang diketahui. Untuk acara 'mandiri', hasilnya tidak mempengaruhi kejadian berikutnya akan menjadi kesempatan terbaik, di mana Poisson ikut bermain.

Jadi secara keseluruhan harus dilihat bahwa kedua distribusi tersebut berasal dari dua perspektif yang sama sekali berbeda, yang melanggar kesamaan yang paling sering.