Különbség a binomiális és a poisson között

Binomial vs Poisson

Számos disztribúció ellenére a "Continuous Probability Distributions" binomiális és Poisson Példák a "diszkrét valószínűség eloszlás" és a széles körben használt. E közös tény mellett fontos szempontokat is felhozhatunk a két disztribúció ellentétes megválaszolására, és meg kell határoznunk, hogy az egyiket miért helyesen választottuk ki.

Binomiális eloszlás

A binomiális eloszlás az előzetes eloszlás, amelyet a találkozás, a valószínűség és a statisztikai problémák jelentenek. Ahol az "n" mintavételezett méretét a próbák "N" méretének kicserélésével vonjuk ki, amelyek közül a "p" sikert eredményezik. Többnyire ez olyan kísérletekre készült, amelyek két fő eredményt hoznak, mint például az "Igen", a "Nem" eredményeket. Ezzel ellentétben, ha a kísérlet kicserélés nélkül történik, akkor a modell olyan "Hypergeometric Distribution" -gal fog teljesülni, amely független minden eredményétől. Bár a Binomial is ebben az alkalomból érkezik, ha a népesség ("N") sokkal nagyobb az "n" -hez képest, és végül azt mondja, hogy ez a legjobb közelítési modell.

Azonban legtöbbször a legtöbb esetben összekeverik a "Bernoulli-próba" kifejezéssel. Mindazonáltal a "Binomial" és a "Bernoulli" is hasonló jelentéssel bír. Ha az 'n = 1' Bernoulli Trial 'elnevezést kifejezetten' Bernoulli Distribution '

A következő definíció egy egyszerű formája a "Binomial" és "Bernoulli" közötti pontos kép megjelenítésének:

"Binomial Distribution" a független és egyenletesen elosztott "Bernoulli-próbák" összege Az alábbiakban néhány fontos egyenlet a "Binomial"

valószínűségi tömegfunkció (pmf) kategóriájába tartozik: (⁽ _n k ^{) p} k ^{) p} k ^(1-p) _nk

Átlagos: np

Median: np

Variancia: np (1-p)

Ezen a példánál

'n'- Az egész nép a

"k'-méretű modell nagysága> n '

' p'- A sikeresség valószínűsége minden olyan kísérletkészlet esetében, amely csak két eredményt tartalmaz

Poisson eloszlás

Másrészről ez a "Poisson-eloszlás" a legmeghatározóbb "binomiális eloszlás" összegek esetén lett kiválasztva, vagyis azt mondhatjuk, hogy a "Poisson" a "Binomial" ubset, és egy kevésbé korlátozó "binomiális" eset.

Ha egy esemény meghatározott időintervallumon belül és ismert átlagsebességgel történik, akkor gyakori, hogy az eset a "Poisson-eloszlás" segítségével modellezhető. Ezenkívül az eseménynek "független "nek kell lennie. Míg a "Binomial" esetében nem ez a helyzet.

"Poisson" akkor használatos, ha a problémák "sebességgel" lépnek fel. Ez nem mindig igaz, de gyakrabban, mint nem igaz.

-λ _{Átlag: λ} ^{Variancia: λ} _λ ^k

/ k! Mi a különbség a Binomial és a Poisson között?

Összességében mindkettő példák a "diszkrét valószínőségű eloszlásokra". Ezzel a "Binomial" a gyakoribb eloszlást használja gyakrabban, bár a "Poisson" a "binomiális" korlátozó eseteként keletkezik.

Mindezen tanulmányok alapján arra a következtetésre jutunk, hogy függetlenül attól, hogy "függőséget" alkalmazzunk, a "Binomial" -ot alkalmazhatjuk a problémák leküzdésére, mivel ez egy jó közelítés még független események esetén is. Ezzel ellentétben a "Poisson" -ot cserélő kérdésekben / problémákban használják.

A nap végén, ha egy problémát megoldunk mindkét módszerrel, ami az "eltartott" kérdésre vonatkozik, minden esetben ugyanazt a választ kell találnunk.