(το διάγραμμα αρχίζει και παίρνει τη μορφή της κατανομής Poisson...ενδιαφέρον)
Λευτέρη Λ. μιας και το έθιξες, θεωρώ πως περισσότερο τείνει σε μια κανονική κατανομή (καμπύλη
Gauss) και όχι σε καμπύλη κατανομής
Poisson και αυτό επειδή η κανονική κατανομή αναφέρεται σε συνεχείς μεταβλητές και αποτελεί μία συνεχή συνάρτηση πυκνότητας πιθανότητας. Χρησιμοποιείται δε για να περιγραφούν τυχαίες μεταβλητές πραγματικών τιμών, οι οποίες τείνουν να συγκεντρώνονται γύρω από μια μέση τιμή, επί παραδείγματι πληθυσμιακά χαρακτηριστικά, όπως το ύψος, το βάρος, η ηλικία σ’ ένα δικτυακό τόπο ή σ' ένα "ανοικτό" σεμινάριο (που ως επί το πλείστον νεαρότερα άτομα συμμετέχουν), η βαθμολογία σε ένα διαγώνισμα, η κλίμακα ευφυΐας, το πλήθος των επαναλαμβανομένων περιπτώσεων που συμβαίνουν όλα τα γεγονότα γύρω μας κ.αλ.
Στη βιολογία όπως γνωρίζεις ο λογάριθμος διαφόρων μεταβλητών τείνει να ακολουθεί την κανονική κατανομή, δηλαδή, τείνουν να ακολουθούν μία λογαριθμική κανονική κατανομή, με παραδείγματα όπως:
1) Μέτρα μεγέθους ζωντανού ιστού (μήκος, ύψος, επιφάνεια δέρματος, βάρος).
2) Το μήκος αδρανών προσαρτημάτων (μαλλιά, νύχια, δόντια) βιολογικών δειγμάτων, στην κατεύθυνση της μεγέθυνσης.
3) Ορισμένα φυσιολογικά μεγέθη, όπως η πίεση του αίματος των ενηλίκων.
Αντίθετα η κατανομή πιθανότητας
Poisson χρησιμεύει στον προσδιορισμό της πιθανότητας του αριθμού των περιστατικών σε μια δεδομένη χρονική περίοδο ή σε μια συγκεκριμένη εποχή. Αυτή η κατανομή περιγράφει φαινόμενα όπως είναι η ζήτηση ενός προϊόντος, το πλήθος των ατυχημάτων, το πλήθος των αφίξεων σ’ ένα αεροδρόμιο και άλλων συναφών φαινομένων.
(Αναφέρω ένα σχετικό με το φόρουμ παραδειγματάκι:
Ο αριθμός των τυπογραφικών λαθών σε καινούργιες εκδόσεις βιβλίων ποικίλει από βιβλίο σε βιβλίο. Ύστερα από κάποια ανάλυση συμπεραίνουμε ότι ο αριθμός των λαθών ακολουθεί κατανομή Poisson με μέση τιμή 1.5 ανά 100 σελίδες. Ένας λέκτορας τυχαία επιλέγει 100 σελίδες ενός καινούργιου βιβλίου. Ποια είναι η πιθανότητα ότι δεν υπάρχουν τυπογραφικά λάθη;
Δηλαδή, πόσο είναι P(X=0) δοθέντος ότι λ =1.5 :
Σύμφωνα λοιπόν με τον γενικό τύπο κατανομής Poisson :
P(x) = (e^-m * m^x)/x! , για χ=1,2,3.... θα έχουμε :
P(x) = (e^-λ * λ^-χ)/χ! = (e^-1,5* 1,5^0)/0! = 0.2231 για x=0,1,2...
Υπάρχει περίπου 22% πιθανότητα να μη βρεθούν λάθη στις 100 επιλεγμένες σελίδες)
Άρα σε «
κωδωνοειδή» καμπύλη Gauss είναι προδεδικασμένη να καταλήξει η δημοσκόπηση μας, αναπόφευκτα.
(Μην δώσετε τώρα και μεγάλη σημασία επί της αναρτήσεως τούτης καθ’ ότι η συγγραφή της οφείλεται καθαρά στο κοινώς λεγόμενο: «έτσι κουβέντα για να γίνεται». ) 