นี่เป็นวิธีที่เข้าใจง่ายกว่ามาก:
คุณสามารถดูการแจกแจงแบบทวินามว่าเป็น "แม่" ของการแจกแจงส่วนใหญ่ การแจกแจงแบบปกติเป็นเพียงการประมาณของการแจกแจงแบบทวินามเมื่อ n มีขนาดใหญ่พอ ในความเป็นจริง Abraham de Moivre ค้นพบการแจกแจงแบบปกติเป็นหลักในขณะที่พยายามประมาณการแจกแจงแบบทวินามเพราะมันออกไปจากมืออย่างรวดเร็วในการคำนวณการแจกแจงแบบทวินามเมื่อเติบโตขึ้นโดยเฉพาะเมื่อคุณไม่มีคอมพิวเตอร์ ( อ้างอิง )
การกระจายปัวซองเป็นเพียงการประมาณค่าอีกอย่างหนึ่งของการแจกแจงแบบทวินาม แต่มันก็ยังดีกว่าการแจกแจงแบบปกติเมื่อ n มีขนาดใหญ่และ p มีขนาดเล็กหรือแม่นยำมากขึ้นเมื่อค่าเฉลี่ยใกล้เคียงกับความแปรปรวน (จำไว้ว่าสำหรับการแจกแจงแบบทวินาม np (1-p)) ( ข้อมูลอ้างอิง ) เหตุใดสถานการณ์นี้จึงสำคัญมาก เห็นได้ชัดว่ามันปรากฏขึ้นมากมายในโลกแห่งความเป็นจริงและนั่นเป็นสาเหตุที่เรามีการประมาณ "พิเศษ" ตัวอย่างด้านล่างแสดงให้เห็นถึงสถานการณ์ที่การประมาณ Poisson นั้นยอดเยี่ยมมาก
ตัวอย่าง
เรามีดาต้าเซ็นเตอร์ 100,000 เครื่อง ความน่าจะเป็นของคอมพิวเตอร์เครื่องใดก็ตามที่ล้มเหลวในวันนี้คือ 0.001 ดังนั้นโดยเฉลี่ย np = 100 คอมพิวเตอร์จึงล้มเหลวในดาต้าเซ็นเตอร์ ความน่าจะเป็นที่คอมพิวเตอร์ 50 เครื่องจะล้มเหลวในวันนี้คืออะไร?
Binomial: 1.208E-8
Poisson: 1.223E-8
Normal: 1.469E-7
ในความเป็นจริงคุณภาพการประมาณค่าสำหรับการแจกแจงแบบปกติจะลดลงเมื่อเราไปถึงปลายหางของการกระจายตัว แต่ปัวซองยังคงอยู่ในสภาพที่ดีมาก ในตัวอย่างข้างต้นลองพิจารณาว่าความน่าจะเป็นที่คอมพิวเตอร์ 5 เครื่องจะล้มเหลวในวันนี้เป็นอย่างไร
Binomial: 2.96E-36
Poisson: 3.1E-36
Normal: 9.6E-22
หวังว่านี่จะช่วยให้คุณเข้าใจได้ง่ายขึ้นเกี่ยวกับการแจกแจงทั้งสามนี้