Poisson բաշխում ընդդեմ նորմալ բաշխման
Poisson-ը և Normal բաշխումը բխում են երկու տարբեր սկզբունքներից: Poisson-ը Հավանականությունների Դիսկրետ Բաշխման օրինակներից մեկն է, մինչդեռ Նորմալը պատկանում է Հավանականության Շարունակական Բաշխմանը:
Նորմալ բաշխումն ընդհանուր առմամբ հայտնի է որպես «Գաուսյան բաշխում» և ամենաարդյունավետ օգտագործվում է բնական գիտությունների և սոցիալական գիտությունների ոլորտում ծագած խնդիրների մոդելավորման համար: Այս բաշխումը օգտագործելիս շատ խիստ խնդիրներ են հանդիպում: Ամենատարածված օրինակը կլինի «Դիտարկման սխալները» որոշակի փորձի մեջ: Նորմալ բաշխումը հետևում է հատուկ ձևին, որը կոչվում է «Bell կոր», որը հեշտացնում է կյանքը մեծ քանակությամբ փոփոխականների մոդելավորման համար:Միևնույն ժամանակ նորմալ բաշխումը ծագել է «Կենտրոնական սահմանային թեորեմից», որի համաձայն մեծ թվով պատահական փոփոխականներ բաշխված են «նորմալ»։ Այս բաշխումն ունի սիմետրիկ բաշխում իր միջինի նկատմամբ: Ինչը նշանակում է, որ հավասարաչափ բաշխված է «Peak Graph Value»-ի x արժեքից:
pdf՝ 1/√(2πσ^2) e^(〖(x-µ)〗^2/(2σ^2))
Վերոհիշյալ հավասարումը «Նորմալ»-ի հավանականության խտության ֆունկցիան է, և մեծացնելով μ-ը և σ2-ը համապատասխանաբար նշանակում են «միջին» և «տարբերություն»: Նորմալ բաշխման ամենաընդհանուր դեպքը «Ստանդարտ նորմալ բաշխումն» է, որտեղ μ=0 և σ2=1: Սա ենթադրում է, որ ոչ ստանդարտ նորմալ բաշխման pdf-ը նկարագրում է, որ x-արժեքը, որտեղ գագաթնակետը տեղաշարժվել է աջ, իսկ զանգի ձևի լայնությունը բազմապատկվել է σ գործակցով, որը հետագայում վերափոխվում է որպես «Ստանդարտ շեղում» կամ «Variance»-ի քառակուսի արմատ (σ^2).
Մյուս կողմից, Poisson-ը կատարյալ օրինակ է դիսկրետ վիճակագրական երևույթի համար: Դա գալիս է որպես երկանդամ բաշխման սահմանափակող դեպք՝ ընդհանուր բաշխում «Դիսկրետ հավանականության փոփոխականների» միջև:Ակնկալվում է, որ Poisson-ը կօգտագործվի, երբ խնդիր է առաջանում «դրույքաչափի» մանրամասների հետ: Ավելի կարևոր է, որ այս բաշխումը շարունակականություն է առանց ընդմիջման ժամանակաշրջանի ընդմիջման համար՝ հայտնի առաջացման արագությամբ: «Անկախ» իրադարձությունների համար մեկի արդյունքը չի ազդի հաջորդ տեղի ունեցածի վրա, կլինի լավագույն առիթը, որտեղ Պուասոնը կխաղա:
Այսպիսով, որպես ամբողջություն, պետք է դիտարկել, որ երկու բաշխումները երկու բոլորովին տարբեր տեսանկյուններից են, ինչը խախտում է նրանց միջև ամենահաճախ նմանությունները:
