Poisson Distribution vs Normal Distribution
Ang Poisson at Normal distribution ay nagmula sa dalawang magkaibang prinsipyo. Ang Poisson ay isang halimbawa para sa Discrete Probability Distribution samantalang ang Normal ay kabilang sa Continuous Probability Distribution.
Ang Normal Distribution ay karaniwang kilala bilang ‘Gaussian Distribution’ at pinaka-epektibong ginagamit upang magmodelo ng mga problemang lumitaw sa Natural Sciences at Social Sciences. Maraming mahigpit na problema ang nararanasan gamit ang pamamahaging ito. Ang pinakakaraniwang halimbawa ay ang 'Mga Error sa Pagmamasid' sa isang partikular na eksperimento. Ang normal na pamamahagi ay sumusunod sa isang espesyal na hugis na tinatawag na 'Bell curve' na ginagawang mas madali ang buhay para sa pagmomodelo ng malaking dami ng mga variable. Samantala, ang normal na pamamahagi ay nagmula sa 'Central Limit Theorem' kung saan ang malaking bilang ng mga random na variable ay ibinahagi nang 'normal'. Ang distribusyon na ito ay may simetriko na distribusyon tungkol sa average nito. Ibig sabihin, pantay na ibinahagi mula sa x- value nito na 'Peak Graph Value'.
pdf: 1/√(2πσ^2) e^(〖(x-µ)〗^2/(2σ^2))
Sa itaas na nabanggit na equation ay ang Probability Density Function ng 'Normal' at sa pamamagitan ng pagpapalaki, ang µ at σ2 ay tumutukoy sa 'mean' at 'variance' ayon sa pagkakabanggit. Ang pinaka-pangkalahatang kaso ng normal na distribusyon ay ang 'Standard Normal Distribution' kung saan µ=0 at σ2=1. Ipinahihiwatig nito na ang pdf ng hindi karaniwang normal na distribusyon ay naglalarawan na, ang x-value, kung saan ang peak ay inilipat sa kanan at ang lapad ng hugis ng kampanilya ay na-multiply sa factor σ, na kalaunan ay binago bilang 'Standard Deviation' o square root ng 'Variance' (σ^2).
Sa kabilang banda ang Poisson ay isang perpektong halimbawa para sa discrete statistical phenomenon. Dumating iyon bilang ang paglilimita sa kaso ng binomial distribution - ang karaniwang distribusyon sa mga 'Discrete Probability Variables'. Inaasahang gagamitin ang Poisson kapag may problema sa mga detalye ng 'rate'. Higit sa lahat, ang distribusyon na ito ay isang continuum na walang pahinga para sa pagitan ng yugto ng panahon na may alam na rate ng paglitaw. Para sa mga 'independiyente' na mga kaganapan, ang kinalabasan ng isang tao ay hindi makakaapekto sa susunod na mangyayari ay ang pinakamagandang okasyon, kung saan si Poisson ang gaganap.
Kaya sa kabuuan, dapat tingnan ng isa na ang parehong mga pamamahagi ay mula sa dalawang ganap na magkaibang pananaw, na lumalabag sa pinakamadalas na pagkakatulad sa kanila.
