Poisson ስርጭት ከመደበኛ ስርጭት
Poisson እና መደበኛ ስርጭት ከሁለት የተለያዩ መርሆች የመጡ ናቸው። Poisson ለDiscrete Probability Distribution አንድ ምሳሌ ሲሆን መደበኛ ግን ቀጣይነት ያለው የይሁንታ ስርጭት ነው።
የተለመደ ስርጭት በአጠቃላይ 'Gaussian Distribution' በመባል ይታወቃል እና በጣም ውጤታማ በሆነ መልኩ በተፈጥሮ ሳይንሶች እና ማህበራዊ ሳይንሶች ውስጥ የሚነሱ ችግሮችን ለመቅረጽ ይጠቅማል። ይህንን ስርጭት በመጠቀም ብዙ ከባድ ችግሮች ያጋጥሟቸዋል. በጣም የተለመደው ምሳሌ በአንድ የተወሰነ ሙከራ ውስጥ 'የምልከታ ስህተቶች' ነው። መደበኛ ስርጭት ብዙ ተለዋዋጮችን ሞዴሊንግ ለማድረግ ህይወትን ቀላል የሚያደርግ 'የደወል ከርቭ' የሚባል ልዩ ቅርፅ ይከተላል።ይህ በእንዲህ እንዳለ መደበኛ ስርጭት የመነጨው ከ'ማዕከላዊ ገደብ ቲዎረም' ሲሆን በዚህ ስር ብዙ ቁጥር ያላቸው የዘፈቀደ ተለዋዋጮች 'በተለምዶ' ይሰራጫሉ። ይህ ስርጭት ስለ አማካኙ ሲሜትሪክ ስርጭት አለው። ይህም ማለት ከ‘ፒክ ግራፍ እሴት’ x-እሴቱ በእኩል ተከፋፍሏል።
pdf፡ 1/√(2πσ^2) e^(〖(x-µ)〗^2/(2σ^2))
ከላይ የተጠቀሰው እኩልታ የ'መደበኛ' ፕሮባቢሊቲ ዴንሲቲ ተግባር ሲሆን በትልቁ µ እና σ2 'አማካኝ' እና 'ልዩነት'ን ይጠቅሳሉ። በጣም አጠቃላይ የመደበኛ ስርጭት ጉዳይ µ=0 እና σ2=1 የሆነበት 'Standard Normal Distribution' ነው። ይህ የሚያመለክተው ፒዲኤፍ መደበኛ ያልሆነ መደበኛ ስርጭት፣ x-እሴት፣ ጫፉ በትክክል የተቀየረበት እና የደወሉ ቅርፅ ስፋት በፋክተር σ ተባዝቷል፣ እሱም በኋላ 'መደበኛ መዛባት' ተብሎ ተሻሽሏል ወይም የ'Variance' ካሬ ስር (σ^2)።
በሌላ በኩል ፖይሰን ለተለየ ስታቲስቲካዊ ክስተት ፍጹም ምሳሌ ነው። ያ የሚመጣው የሁለትዮሽ ስርጭት መገደብ ነው - በ 'Discrete Probability Variables' መካከል ያለው የተለመደ ስርጭት።በ'ተመን' ዝርዝሮች ላይ ችግር በሚፈጠርበት ጊዜ ፖይሰን ጥቅም ላይ ይውላል ተብሎ ይጠበቃል። ከሁሉም በላይ ይህ ስርጭት ከታወቀ የመከሰት መጠን ጋር ለተወሰነ ጊዜ ያለ እረፍት ያለ ቀጣይነት ያለው ነው። ለ 'ገለልተኛ' ክስተቶች የአንድ ሰው ውጤት በሚቀጥለው ክስተት ላይ ምንም ተጽእኖ አያመጣም, ፖይሰን ወደ ጨዋታ የሚመጣበት ምርጥ አጋጣሚ ይሆናል.
ስለዚህ ባጠቃላይ ሁለቱም ስርጭቶች ከሁለት ሙሉ በሙሉ ከተለያዩ አመለካከቶች የተውጣጡ መሆናቸውን ማየት አለበት ይህም በመካከላቸው ያለውን መመሳሰል የሚጥስ ነው።
