Poisson Dağılımı ve Normal Dağılım Arasındaki Fark

Poisson Dağılımı vs Normal Dağılım

Poisson ve Normal dağılım iki farklı prensibe dayanmaktadır. Poisson, Ayrık Olasılık Dağılımına bir örnektir, oysa Normal, Sürekli Olasılık Dağılımına aittir.

Normal Dağılım genellikle 'Gauss Dağılımı' olarak bilinir ve Doğa Bilimleri ve Sosyal Bilimler'de ortaya çıkan problemleri modellemek için en etkili şekilde kullanılır. Bu dağıtımı kullanarak birçok titiz problemle karşılaşılmıştır. En yaygın örnek, belirli bir deneyde 'Gözlem Hataları' olacaktır. Normal dağılım, 'Bell eğrisi' adı verilen ve büyük miktarda değişken modellemek için hayatı kolaylaştıran özel bir şekli izler. Bu arada normal dağılım, çok sayıda rasgele değişkenin 'normalde' dağıldığı 'Merkezi Limit Teoremi'nden kaynaklanır. Bu dağılım ortalamasında simetrik dağılım gösterir. Bu da, x-değerinden 'Peak Graph Value' den eşit olarak dağıtılmış demektir.

------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- 'Normal' ve büyütme ile μ ve σ2 sırasıyla 'ortalama' ve 'varyans' anlamına gelir. Normal dağılımın en genel durumu, μ = 0 ve σ2 = 1 olduğu 'Standart Normal Dağılım' dır. Bu, standart dışı normal dağılımın pdf'sinde pikin sağa kaydırıldığı ve çan şeklinin genişliğinin faktör σ ile çarpıldıktan sonra daha sonra 'Standart Sapma' olarak reform edildiği x değerini veya 'Varyans' (σ ^ 2) karekökü.

Öte yandan Poisson, ayrık istatistiksel olgu için mükemmel bir örnektir. Bu, 'Ayrık Olasılık Değişkenleri' arasındaki yaygın dağılım olan binom dağılımının sınırlayıcı örneği olarak karşımıza çıkmaktadır. Poisson'ın 'oran' ayrıntılarıyla ilgili bir sorun ortaya çıktığında kullanılması bekleniyor. Daha da önemlisi, bu dağılım bilinen bir oluşum oranı ile bir zaman aralığı aralığı olmayan bir sürekliliktir. 'Bağımsız' olaylar için birinin sonucu Poisson'ın devreye girdiği en iyi olay olacak sonraki olayı etkilemez.

Dolayısıyla, bir bütün olarak, iki dağılımın da, aralarında en çok benzerlikleri ihlal eden iki tamamen farklı perspektiften olduğunu gözlemlemek gerekir.