Distribuzione Poisson vs distribuzione normale
Poisson e distribuzione normale derivano da due principi diversi. Poisson è un esempio di distribuzione di probabilità discreta mentre Normale appartiene a distribuzione di probabilità continua.
La distribuzione normale è generalmente nota come "Distribuzione gaussiana" e utilizzata in modo più efficace per modellare i problemi che sorgono nelle scienze naturali e nelle scienze sociali. Molti problemi rigorosi si incontrano utilizzando questa distribuzione. L'esempio più comune sarebbero gli "Errori di osservazione" in un particolare esperimento. La distribuzione normale segue una forma speciale chiamata "curva a campana" che semplifica la vita per la modellazione di grandi quantità di variabili. Nel frattempo la distribuzione normale ha avuto origine dal "Teorema del limite centrale" in base al quale il gran numero di variabili casuali è distribuito "normalmente". Questa distribuzione ha una distribuzione simmetrica rispetto alla sua media. Il che significa distribuito uniformemente dal suo valore x di "Valore grafico di picco".
pdf: 1/√(2πσ^2) e^(〖(x-µ)〗^2/(2σ^2))
L'equazione sopra menzionata è la funzione di densità di probabilità di 'Normale' e per ingrandimento, µ e σ2 si riferiscono rispettivamente a 'media' e 'varianza'. Il caso più generale di distribuzione normale è la 'Distribuzione normale standard' dove µ=0 e σ2=1. Ciò implica che il pdf della distribuzione normale non standard descrive che, il valore x, in cui il picco è stato spostato a destra e la larghezza della forma a campana è stata moltiplicata per il fattore σ, che viene successivamente riformato come "Deviazione standard" o radice quadrata di 'Varianza' (σ^2).
D' altra parte Poisson è un perfetto esempio di fenomeno statistico discreto. Questo si presenta come il caso limite della distribuzione binomiale: la distribuzione comune tra le "Variabili di probabilità discrete". Si prevede che Poisson venga utilizzato quando si verifica un problema con i dettagli del "tasso". Ancora più importante, questa distribuzione è un continuum senza interruzioni per un intervallo di tempo con il tasso di occorrenza noto. Per gli eventi "indipendenti" il risultato di una persona non influisce sul prossimo evento sarà l'occasione migliore, in cui entra in gioco Poisson.
Quindi, nel complesso, bisogna considerare che entrambe le distribuzioni provengono da due prospettive completamente diverse, il che viola le somiglianze più spesso tra loro.
