Wenn Sie kein zahlendes Mitglied bei Medium sind, stelle ich meine Geschichten kostenlos zur Verfügung: Hyperlink von Freunden

Der heutige Artikel weicht ein wenig von meinen üblichen Artikeln mit Schwerpunkt auf Datenwissenschaft ab, aber keine Sorge – er weicht nicht zu sehr ab (hoffentlich liefert er Ihnen auch eine interessante Analyse und Erkenntnisse)!

Heute werde ich über ein Thema sprechen, über das wahrscheinlich jeder schon einmal in seinem Leben gesprochen hat – sei es im Scherz mit Freunden oder als ernsthafter Tagtraum. Was ist das, fragen Sie?

Die Lotterie

Wie die meisten von Ihnen vielleicht wissen, ist die Lotterie seit Jahrzehnten ein Image für Glück und Ehrgeiz. Wie oft haben Sie schon jemanden sagen hören: „Das ist mein lebensveränderndes Ticket“ oder „Wenn ich gewinne, kündige ich meinen Job und reise um die Welt“?

Auch wenn Glücksspiele nicht Ihr Ding sind – und das gilt für die meisten Menschen auch nicht – können ein goldenes Glücksticket und ein lebensverändernder Jackpot Menschen anlocken.

Nun muss ich zugeben, dass ich kein Spieler bin. Hart verdientes Geld für etwas ausgeben …

Wenn Sie kein zahlendes Mitglied bei Medium sind, stelle ich meine Geschichten kostenlos zur Verfügung: Hyperlink von Freunden

Der Poisson Und Binomialverteilungen sind zwei grundlegende diskrete Wahrscheinlichkeitsverteilungen, die in der Datenwissenschaft und Statistik verwendet werden. Bei beiden geht es zwar um das Zählen von Vorkommnissen oder Erfolgen, sie unterscheiden sich jedoch in den zugrunde liegenden Annahmen und Anwendungsfällen.

Wenn Sie wie ich sind, fragen Sie sich vielleicht manchmal, ob Sie ein Drawback mithilfe der Poisson- oder Binomialverteilung analysieren sollen – insbesondere, wenn Sie in letzter Zeit nicht damit gearbeitet haben.

Um dies zu verdeutlichen, werfen wir einen Blick auf die Merkmale der einzelnen Distributionen, wann man sie verwendet und wie man zwischen den beiden unterscheidet.

1. Poisson-Verteilung
2. Binomialverteilung
3. Poisson vs. Binomial: Was ist der Unterschied?
4. TL;DR