Diferença entre distribuição de Poisson e distribuição normal

Distribuição de Poisson vs Distribuição Normal

A distribuição de Poisson e Normal vem de dois princípios diferentes. Poisson é um exemplo de distribuição de probabilidade discreta, enquanto Normal pertence à distribuição de probabilidade contínua.

A distribuição normal é geralmente conhecida como 'distribuição gaussiana' e usada com mais eficácia para modelar problemas que surgem nas ciências naturais e nas ciências sociais. Muitos problemas rigorosos são encontrados usando essa distribuição. O exemplo mais comum seria os 'Erros de observação' em um experimento específico. A distribuição normal segue uma forma especial chamada 'curva de Bell' que facilita a vida para modelar grande quantidade de variáveis. Enquanto isso, a distribuição normal se originou do "Teorema Central do Limite", sob o qual o grande número de variáveis ​​aleatórias é distribuído "normalmente". Essa distribuição tem distribuição simétrica sobre sua média. O que significa distribuído uniformemente a partir do seu valor x de 'Peak Graph Value'.

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

A equação acima mencionada é a Função de Densidade de Probabilidade de 'Normal' e, por ampliação, µ e σ2 se referem a 'média' e 'variância' respectivamente. O caso mais geral de distribuição normal é a 'Distribuição Normal Padrão', onde µ = 0 e σ2 = 1. Isso implica que o pdf da distribuição normal não padrão descreve que, o valor x, onde o pico foi deslocado para a direita e a largura da forma do sino foi multiplicada pelo fator σ, que é posteriormente reformado como 'Desvio padrão' ou raiz quadrada de 'Variância' (σ ^ 2).

Por outro lado, Poisson é um exemplo perfeito de fenômeno estatístico discreto. Esse é o caso limitante da distribuição binomial - a distribuição comum entre 'Variáveis ​​de Probabilidade Discreta'. Poisson deve ser usado quando surgir um problema com detalhes de 'taxa'. Mais importante, essa distribuição é um continuum sem interrupção por um intervalo de tempo com a taxa de ocorrência conhecida. Para eventos "independentes", o resultado de uma pessoa não afeta o próximo acontecimento, será a melhor ocasião, em que Poisson entra em cena.

Portanto, como um todo, é preciso ver que ambas as distribuições são de duas perspectivas totalmente diferentes, o que viola as semelhanças mais frequentes entre elas..