问题：如何从数据里估算普瓦松分布的均值？

数值分析

8 a+ |' t  Q" X, w! z

holycow 发表于 2019-2-5 02:42
& B; u0 N% O! ?$ h( V# p1. 极值出在哪里，只要估计出lambda即可
5 R6 J2 V- Q8 G2. Lambda的估计需要依赖于归一
: Y8 k$ u4 Z2 u7 Q3. 归一的分母是可以主观确定的  ...

1 U; u6 L$ g. E9 A如果是对称的单峰分布的话,期望存在的时候,期望和峰度Kurtosis(也就是你说的陡峭程度)无关,一定在众数Mode,即峰值的地方.唯一的例外是积分不收敛,即期望不存在(比如柯西分布,这时候没有重心).对于不对称的单峰分布,唯一能影响期望的是偏度Skewness.
0 ^6 O4 a: W- ^+ d  _/ N
' s- j, S- G+ p& F2 T, g这很直观,您再想想?

数值分析

tanis 发表于 2019-2-5 03:26
$ J" H: {. {5 J0 e冒昧的问一句，你搞过竞赛么~
; ^" x9 f. u% d2 P
思维方式挺像的~

0 T* ]8 N9 O0 ]- E# Y7 v我希望我搞过.可以当年没赶上机会.
. y) s! L7 r: H
不谦虚一下啊,我一直觉得我要是搞竞赛的话能有点小成绩的...呵呵...

数值分析

Dracula 发表于 2019-2-5 03:43
问题就是这个0度在哪儿你并不知道。至于曲线下的面积必须是1这一点，只要各个点同乘或同除一个数就都可以 ...

; j, {# [4 D8 ~+ Z6 {; n嗯...这个问题其实有点像"人择原理",不好表达清楚.
. t! O* C9 }1 ~. U4 q这一切讨论的开始都是晨司机觉得这个曲线像泊送分布曲线.只有这个"0度"的位置合适,温度曲线才长得像泊松分布.如果你上下平移一下,他就不像泊送分布了.我不知道我说明白了没有...

holycow

数值分析 发表于 2019-2-4 16:47
如果是单峰分布的话,期望存在的话,期望和峰度Kurtosis(也就是你说的陡峭程度)无关,一定在峰值的地方.唯一 ...

你是对的，有影响的是分布的skewness. 所以归根结底还是晨司机在零度原点图上扫了一眼，觉得看上去像是泊松分布

数值分析

holycow 发表于 2019-2-5 08:56
- |* T2 O3 E! y+ R8 _  ?你是对的，有影响的是分布的skewness. 所以归根结底还是晨司机在零度原点图上扫了一眼，觉得看上去像是泊 ...

6 a  N7 J0 `1 N5 [$ |/ X对,我们可以管这个叫"晨择原理".这是这个讨论的出发点.

晨枫

数值分析 发表于 2019-2-4 19:01
对,我们可以管这个叫"晨择原理".这是这个讨论的出发点.

5 O7 }- K+ L  l" B# q' S' [) ]
就像那个“哥德巴赫猜想”一样……

老马丁

春节一直没来。现在来看到问题，这个问题是不是，prob(X=?|T=max(T))？实话实说，我没看太懂问题，我感觉不是统计问题，而是数值拟合问题。如果已经找到解决方案，就不用专门答复我啦

晨枫

老马丁 发表于 2019-2-11 21:55
" v* _2 o  c  v7 |春节一直没来。现在来看到问题，这个问题是不是，prob(X=?|T=max(T))？实话实说，我没看太懂问题，我感觉不 ...

' j! U$ h& U5 W, b+ {
是的，已经解决。这个确实不是统计问题，是数值积分和重心估计问题。