泊松分佈與正態分佈
泊松分佈和正態分佈來自兩個不同的原理。泊松是離散概率分佈的一個例子，而正態分佈屬於連續概率分佈。
正態分佈通常被稱為“高斯分佈”，最有效地用於模擬自然科學和社會科學中出現的問題。使用這種分佈會遇到許多嚴格的問題。最常見的例子是某個特定實驗中的“觀察誤差”。正態分佈遵循一種稱為“鐘形曲線”的特殊形狀，它使建模大量變量變得更加容易。同時正態分佈起源於“中心極限定理”，在這個定理下，大量隨機變量是“正態”分佈的。這個分佈的平均值是對稱分佈的。這意味著從它的“峰值圖值”的x值均勻分佈。
pdf:1/√（2πσ^2）e^（〖x-µ）〗^2/（2σ^2））
上述方程為“正態”和放大後的概率密度函數，µ和σ2分別表示“平均值”和“方差”。正態分佈最常見的情況是“標準正態分佈”，其中µ=0，σ2=1。這意味著非標準正態分佈的pdf描述了x值，其中峰值右移，鐘形寬度乘以因子σ，該因子後來被改造為“標準偏差”或“方差”的平方根（σ^2）。
另一方面，泊松是離散統計現象的一個完美例子。這是二項式分佈的極限情況，即“離散概率變量”之間的共同分佈。當“速率”的細節出現問題時，應使用泊松函數。更重要的是，這種分佈是一個連續統一體，在已知發生率的時間段內沒有間斷。對於“獨立”事件，一個人的結果不會影響下一個事件，這將是最好的時機，在那裡泊松發揮作用。
