Perbedaan Antara Distribusi Poisson dan Distribusi Normal

Distribusi Poisson vs Distribusi Normal

Distribusi Poisson dan Normal berasal dari dua prinsip yang berbeda. Poisson adalah salah satu contoh untuk Distribusi Probabilitas Terpisah sedangkan Normal termasuk dalam Distribusi Probabilitas Kontinu.

Distribusi Normal umumnya dikenal sebagai 'Distribusi Gaussian' dan paling efektif digunakan untuk memodelkan masalah yang muncul dalam Ilmu Pengetahuan Alam dan Ilmu Sosial. Banyak masalah ketat yang dihadapi menggunakan distribusi ini. Contoh paling umum adalah 'Kesalahan Observasi' dalam percobaan tertentu. Distribusi normal mengikuti bentuk khusus yang disebut 'Kurva Bell' yang membuat hidup lebih mudah untuk memodelkan sejumlah besar variabel. Sementara itu, distribusi normal berasal dari 'Central Limit Theorem' di mana sejumlah besar variabel acak didistribusikan 'secara normal'. Distribusi ini memiliki distribusi simetris tentang nilai tengahnya. Yang berarti terdistribusi secara merata dari nilai x-nya 'Nilai Grafik Puncak'.

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

Persamaan yang disebutkan di atas adalah Fungsi Kerapatan Probabilitas 'Normal' dan dengan memperbesar, μ dan σ2 masing-masing merujuk 'rata-rata' dan 'varians'. Kasus paling umum dari distribusi normal adalah 'Distribusi Normal Standar' di mana μ = 0 dan σ2 = 1. Ini menyiratkan pdf dari distribusi normal non-standar menggambarkan bahwa, nilai x, di mana puncak telah bergeser ke kanan dan lebar bentuk lonceng telah dikalikan dengan faktor σ, yang kemudian direformasi menjadi 'Deviasi Standar' atau akar kuadrat dari 'Variance' (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 digunakan ketika masalah muncul dengan rincian 'tingkat'. Lebih penting lagi, distribusi ini adalah sebuah rangkaian tanpa jeda untuk periode waktu tertentu dengan tingkat kejadian yang diketahui. Untuk acara 'independen' hasil seseorang tidak mempengaruhi kejadian berikutnya akan menjadi kesempatan terbaik, di mana Poisson ikut bermain.

Jadi secara keseluruhan kita harus melihat bahwa kedua distribusi itu berasal dari dua perspektif yang sama sekali berbeda, yang melanggar persamaan yang paling sering terjadi di antara mereka..