ငါးဖြန့်ဖြူးရေး
ငါးဖြန့်ဖြူးရေး
Poisson Distribution သည် သီးခြားဖြန့်ဝေမှု တစ်ခုဖြစ်သည်။
သတ်မှတ်ထားသော အချိန်တစ်ခုတွင် အဖြစ်အပျက်တစ်ခု မည်မျှဖြစ်ပွားနိုင်သည်ကို ၎င်းသည် ခန့်မှန်းသည်။ ဥပမာ လူတစ်ယောက်က တစ်နေ့ နှစ်ကြိမ်စားရင် သုံးကြိမ်စားနိုင်ခြေ ဘယ်လောက်ရှိလဲ။
၎င်းတွင် parameter နှစ်ခုရှိသည်။
lam - အထက်ဖော်ပြပါပြဿနာအတွက် ဖြစ်ပွားမှုနှုန်း သို့မဟုတ် သိထားသောအရေအတွက် ဥပမာ 2။
size - ပြန်ထားသော ခင်းကျင်း၏ ပုံသဏ္ဍာန်။
ဥပမာ
ဖြစ်ပေါ်မှု 2 အတွက် ကျပန်း 1x10 ဖြန့်ဖြူးမှုကို ဖန်တီးပါ-
from numpy import random
x = random.poisson(lam=2, size=10)
print(x)
Poisson ဖြန့်ဝေမှုကို ပုံဖော်ခြင်း။
ဥပမာ
from numpy import random
import matplotlib.pyplot as plt
import seaborn as sns
sns.distplot(random.poisson(lam=2, size=1000), kde=False)
plt.show()
ရလဒ်
ပုံမှန်နှင့် Poisson ဖြန့်ဝေမှုကြား ကွာခြားချက်
ပုံမှန်ဖြန့်ဖြူးမှုသည် ဆက်တိုက်ဖြစ်ပြီး အဆိပ်သည် သီးခြားဖြစ်သည်။
သို့သော် လုံလောက်သော အဆိပ်ဖြန့်ဝေမှုတစ်ခုအတွက် binomial နှင့် ဆင်တူသည်ကို ကျွန်ုပ်တို့တွေ့မြင်နိုင်သည်မှာ ၎င်းသည် အချို့သော std dev နှင့် ဆိုလိုရင်းဖြင့် ပုံမှန်ဖြန့်ဖြူးခြင်းကဲ့သို့ ဖြစ်လာမည်ဖြစ်သည်။
ဥပမာ
from numpy import random
import matplotlib.pyplot as plt
import seaborn as sns
sns.distplot(random.normal(loc=50, scale=7, size=1000), hist=False,
label='normal')
sns.distplot(random.poisson(lam=50, size=1000), hist=False,
label='poisson')
plt.show()
ရလဒ်
Poisson နှင့် Binomial ဖြန့်ဝေမှုကြား ကွာခြားချက်
ကွာခြားချက်မှာ အလွန်သိမ်မွေ့သည်မှာ၊ binomial distribution သည် discrete trials အတွက်ဖြစ်ပြီး poisson distribution သည် စဉ်ဆက်မပြတ် စမ်းသပ်မှုများအတွက်ဖြစ်သည်။
သို့သော် အလွန်ကြီးမား nပြီး သုညနီးသော pbinomial ဖြန့်ဖြူးမှုအတွက် n * pနီးနီးနီးနီးဖြစ်သည့် အဆိပ်ဖြန့်ဝေခြင်းနှင့် တူညီသည် lam။
ဥပမာ
from numpy import random
import matplotlib.pyplot as plt
import seaborn as sns
sns.distplot(random.binomial(n=1000, p=0.01, size=1000), hist=False,
label='binomial')
sns.distplot(random.poisson(lam=10, size=1000), hist=False,
label='poisson')
plt.show()
ရလဒ်
