Binomial vs Poisson
Meskipun kenyataannya, banyak distribusi termasuk dalam kategori Binomial 'Distribusi Probabilitas Berkelanjutan' dan Poisson menetapkan contoh untuk 'Distribusi Probabilitas Diskrit' dan juga banyak digunakan. Selain fakta umum ini, poin penting dapat dikemukakan untuk membedakan kedua distribusi ini dan seseorang harus mengidentifikasi pada kesempatan mana salah satu dari ini telah dipilih dengan benar.
Distribusi Binomial
'Distribusi Binomial' adalah distribusi awal yang digunakan untuk menghadapi, probabilitas, dan masalah statistik. Di mana ukuran sampel 'n' ditarik dengan penggantian dari ukuran 'N' percobaan yang menghasilkan keberhasilan 'p'. Sebagian besar ini telah dilakukan untuk, eksperimen yang memberikan dua hasil utama, seperti hasil 'Ya', 'Tidak'. Sebaliknya, jika eksperimen dilakukan tanpa penggantian, maka model akan bertemu dengan 'Distribusi Hipergeometrik' yang independen dari setiap hasilnya. Meskipun 'Binomial' ikut bermain pada kesempatan ini juga, jika populasi ('N') jauh lebih besar dibandingkan dengan 'n' dan akhirnya dikatakan sebagai model terbaik untuk aproksimasi.
Namun, sebagian besar dari kita sering bingung dengan istilah 'Ujian Bernoulli'. Namun demikian, baik 'Binomial' dan 'Bernoulli' memiliki arti yang serupa. Setiap kali 'n=1' 'Percobaan Bernoulli' secara khusus dinamai, 'Distribusi Bernoulli'
Definisi berikut adalah bentuk sederhana dari membawa gambaran yang tepat antara, 'Binomial' dan 'Bernoulli':
'Distribusi Binomial' adalah jumlah dari 'Uji Coba Bernoulli' yang independen dan merata. Disebutkan di bawah ini adalah beberapa persamaan penting yang termasuk dalam kategori 'Binomial'
Fungsi Massa Probabilitas (pmf): (k) pk(1- p)n-k; (k)=[n !] / [k !] [(n-k) !]
Mean: np
Median: np
Varians: np(1-p)
Pada contoh khusus ini, 'n'- Seluruh populasi model
'k'- Ukuran yang digambar dan diganti dari 'n'
'p'- Probabilitas keberhasilan untuk setiap rangkaian percobaan yang hanya terdiri dari dua hasil
Distribusi Poisson
Di sisi lain 'distribusi Poisson' ini telah dipilih pada saat jumlah 'distribusi Binomial' yang paling spesifik. Dengan kata lain, orang dapat dengan mudah mengatakan bahwa 'Poisson' adalah subset dari 'Binomial' dan lebih merupakan kasus pembatas dari 'Binomial'.
Ketika suatu peristiwa terjadi dalam interval waktu yang tetap dan dengan laju rata-rata yang diketahui, maka kasus dapat dimodelkan menggunakan 'distribusi Poisson' ini. Selain itu, acaranya juga harus 'mandiri'. Sedangkan pada ‘Binomial’ tidak demikian.
'Poisson' digunakan ketika masalah muncul dengan 'rate'. Ini tidak selalu benar, tetapi lebih sering benar.
Fungsi Massa Probabilitas (pmf): (λk /k!) e -λ
Arti:
Varians:
Apa perbedaan antara Binomial dan Poisson?
Secara keseluruhan keduanya adalah contoh dari 'Distribusi Probabilitas Diskrit'. Selain itu, 'Binomial' adalah distribusi umum yang lebih sering digunakan, namun 'Poisson' diturunkan sebagai kasus pembatas dari 'Binomial'.
Menurut semua penelitian ini, kita dapat sampai pada kesimpulan yang mengatakan bahwa terlepas dari 'Ketergantungan' kita dapat menerapkan 'Binomial' untuk menghadapi masalah karena ini adalah pendekatan yang baik bahkan untuk kejadian independen. Sebaliknya, 'Poisson' digunakan pada pertanyaan/masalah dengan penggantian.
Pada akhirnya, jika masalah diselesaikan dengan dua cara, yaitu untuk pertanyaan 'tergantung', seseorang harus menemukan jawaban yang sama di setiap contoh.
