Distribusi Poisson vs Distribusi Normal
Poisson dan Distribusi normal berasal dari dua prinsip yang berbeda. Poisson adalah salah satu contoh untuk Distribusi Peluang Diskrit sedangkan Normal termasuk dalam Distribusi Peluang Kontinu.
Distribusi Normal umumnya dikenal sebagai 'Distribusi Gaussian' dan paling efektif digunakan untuk memodelkan masalah yang muncul dalam Ilmu Pengetahuan Alam dan Ilmu Sosial. Banyak masalah ketat yang dihadapi dengan menggunakan distribusi ini. Contoh paling umum adalah 'Kesalahan Pengamatan' dalam eksperimen tertentu. Distribusi normal mengikuti bentuk khusus yang disebut 'Kurva Bell' yang membuat hidup lebih mudah untuk memodelkan sejumlah besar variabel. Sementara itu distribusi normal berasal dari 'Teorema Batas Pusat' di mana sejumlah besar variabel acak didistribusikan 'normal'. Distribusi ini memiliki distribusi simetris terhadap meannya. Artinya merata dari nilai x-nya yaitu ‘Nilai Grafik Puncak’.
pdf: 1/√(2πσ^2) e^(〖(x-µ)〗^2/(2σ^2))
Persamaan yang disebutkan di atas adalah Fungsi Densitas Peluang dari 'Normal' dan dengan memperbesar, dan 2 masing-masing merujuk 'mean' dan 'varians'. Kasus paling umum dari distribusi normal adalah 'Distribusi Normal Standar' di mana=0 dan 2=1. Ini menyiratkan pdf dari distribusi normal non-standar menggambarkan bahwa, nilai-x, di mana puncaknya telah bergeser ke kanan dan lebar bentuk lonceng telah dikalikan dengan faktor, yang kemudian direformasi sebagai 'Standar Deviasi' atau akar kuadrat dari 'Varians' (σ^2).
Di sisi lain Poisson adalah contoh sempurna untuk fenomena statistik diskrit. Itu muncul sebagai kasus pembatas distribusi binomial – distribusi umum di antara 'Variabel Probabilitas Diskrit'. Poisson diharapkan dapat digunakan ketika masalah muncul dengan rincian 'tarif'. Lebih penting lagi, distribusi ini merupakan kontinum tanpa putus untuk interval periode waktu dengan tingkat kejadian yang diketahui. Untuk acara 'independen' hasil seseorang tidak mempengaruhi kejadian berikutnya akan menjadi kesempatan terbaik, di mana Poisson ikut bermain.
Jadi secara keseluruhan harus dilihat bahwa kedua distribusi tersebut berasal dari dua perspektif yang sama sekali berbeda, yang paling sering melanggar kesamaan di antara mereka.
