Distribution de Poisson vs distribution normale
Poisson et distribution normale proviennent de deux principes différents. Poisson est un exemple de distribution de probabilité discrète alors que Normal appartient à la distribution de probabilité continue.
La distribution normale est généralement connue sous le nom de "distribution gaussienne" et est utilisée le plus efficacement pour modéliser les problèmes qui se posent en sciences naturelles et en sciences sociales. De nombreux problèmes rigoureux sont rencontrés en utilisant cette distribution. L'exemple le plus courant serait les "erreurs d'observation" dans une expérience particulière. La distribution normale suit une forme spéciale appelée «courbe en cloche» qui facilite la modélisation d'une grande quantité de variables. Entre-temps, la distribution normale est issue du « théorème central limite » selon lequel le grand nombre de variables aléatoires sont distribuées « normalement ». Cette distribution a une distribution symétrique autour de sa moyenne. Ce qui signifie uniformément réparti à partir de sa valeur x de « Peak Graph Value ».
pdf: 1/√(2πσ^2) e^(〖(x-µ)〗^2/(2σ^2))
L'équation mentionnée ci-dessus est la fonction de densité de probabilité de "Normal" et par agrandissement, µ et σ2 désignent respectivement la "moyenne" et la "variance". Le cas le plus général de distribution normale est la "distribution normale standard" où µ=0 et σ2=1. Cela implique que le pdf de la distribution normale non standard décrit que, la valeur x, où le pic a été décalé vers la droite et la largeur de la forme en cloche a été multipliée par le facteur σ, qui est ensuite reformé en « écart type » ou racine carrée de 'Variance' (σ^2).
D'un autre côté, Poisson est un exemple parfait de phénomène statistique discret. Cela vient comme le cas limite de la distribution binomiale - la distribution commune entre les «variables de probabilité discrètes». On s'attend à ce que Poisson soit utilisé lorsqu'un problème survient avec les détails du « taux ». Plus important encore, cette distribution est un continuum sans interruption pendant un intervalle de temps avec le taux d'occurrence connu. Pour les événements «indépendants», le résultat n'affecte pas le prochain événement qui sera la meilleure occasion, où Poisson entre en jeu.
Donc, dans l'ensemble, il faut considérer que les deux distributions sont de deux points de vue entièrement différents, ce qui viole le plus souvent les similitudes entre elles.
