Python: Normale e Poisson

Per visualizzare la distribuzione normale e di Poisson in un grafico utilizzando Python,
possiamo utilizzare la libreria `matplotlib` per la creazione dei grafici e `scipy.stats` per generare campioni casuali con distribuzioni specifiche.
Per installato queste librerie pip install matplotlib scipy`` se non già installate.

Distribuzione Normale:

```python
import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import norm

# Genera dati casuali da una distribuzione normale
mu, sigma = 0, 1  # media e deviazione standard
data_normal = np.random.normal(mu, sigma, 1000)

# Crea un istogramma per visualizzare la distribuzione normale
plt.hist(data_normal, bins=50, density=True, alpha=0.6, color='g')

# Aggiungi una curva della distribuzione normale teorica
xmin, xmax = plt.xlim()
x = np.linspace(xmin, xmax, 100)
p = norm.pdf(x, mu, sigma)
plt.plot(x, p, 'k', linewidth=2)

plt.title('Distribuzione Normale')
plt.show()

Distribuzione di Poisson:

import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import poisson

# Genera dati casuali da una distribuzione di Poisson
mu_poisson = 3  # tasso di evento per unità di tempo
data_poisson = np.random.poisson(mu_poisson, 1000)

# Crea un istogramma per visualizzare la distribuzione di Poisson
plt.hist(data_poisson, bins=30, density=True, alpha=0.6, color='b')

# Aggiungi una curva della distribuzione di Poisson teorica
xmin, xmax = plt.xlim()
x_poisson = np.linspace(xmin, xmax, 100)
p_poisson = poisson.pmf(x_poisson, mu_poisson)
plt.plot(x_poisson, p_poisson, 'k', linewidth=2)

plt.title('Distribuzione di Poisson')
plt.show()

In entrambi gli esempi, stiamo generando dati casuali e creando un istogramma per visualizzare la distribuzione empirica. Inoltre, stiamo sovrapponendo una curva teorica della distribuzione (la curva normale per la distribuzione normale e la curva di Poisson per la distribuzione di Poisson).
Notare i parametri possono essere variati(come media e deviazione standard per la distribuzione normale o il tasso di evento per la distribuzione di Poisson) per esplorare diverse situazioni.