चूंकि प्रश्न पोइसन वितरण को अधिक समझने योग्य बनाने से संबंधित है, इसलिए मैं इसे विदा कर दूंगा, क्योंकि मैंने हाल ही में कॉल सेंटर इनकमिंग कॉल पैटर्न के लिए कुछ हद तक इस पर ध्यान दिया था (जो समय बीतने के साथ मेमोरी-कम, घातीय वितरण का अनुसरण करता है)।
मुझे लगता है कि अनिवार्य रूप से पॉइसन के ज्ञान को समझने के लिए एक अन्य मूर्त मॉडल की आवश्यकता होती है, जो यह न समझे कि यह कुछ भ्रामक हो सकता है, लेकिन यह मेरे लिए है।
मुझे लगता है कि पोइसन को समझने में परेशानी निरंतर समय की धुरी पर है --- जैसा कि हर दूसरा होता है, घटना के घटित होने की कोई अधिक संभावना नहीं है --- लेकिन भविष्य में आप जितना अधिक बाहर जाएंगे, उतना ही निश्चित होगा हो रहा।
वास्तव में, मुझे लगता है कि यह समझ को सरल करता है यदि आप 'परीक्षण' या 'घटनाओं' के लिए 'समय' अक्ष का व्यापार करते हैं।
किसी ने मुझे सही कर सकता है अगर यह आधार से दूर है, जैसा कि मुझे लगता है कि यह एक आसान स्पष्टीकरण है, लेकिन मुझे लगता है कि आप एक सिक्का के फ्लिप, या एक पासा के टॉस को बदल सकते हैं, 'समय के साथ जब तक कि एक फोन कॉल नहीं आता' (मैं क्या कर सकता हूं) आम तौर पर Erlang C / कॉल सेंटर स्टाफिंग के लिए उपयोग करें)।
'समय के बजाय जब तक कि एक फोन कॉल न आए' ---- आप इसे बदल सकते हैं ... 'तब तक रोल करते हैं जब तक कि एक पासा छह हिट न हो जाए'।
वही सामान्य तर्क का अनुसरण करता है। संभावना (किसी भी जुए की तरह) पूरी तरह से हर रोल (या मिनट) से स्वतंत्र है और मेमोरी-कम है। हालाँकि, '6 नहीं' की संभावना कभी धीमी हो जाती है, लेकिन निश्चित रूप से 0 की ओर जैसे ही आप परीक्षण की संख्या बढ़ाते हैं। यदि आप दोनों रेखांकन (समय के साथ कॉल की संभावना, बनाम रोल के साथ छह की संभावना) देखते हैं तो यह आसान है।
मुझे नहीं पता कि यह समझ में आता है --- यही कारण है कि मुझे इसे ठोस शब्दों में एक साथ रखने में मदद मिली। अब, पोइसन वितरण 'कॉल के बीच का समय' या 'छः रोल करने तक के परीक्षणों' के बजाय एक गिनती है - लेकिन यह इस संभावना पर निर्भर करता है।