问题：如何从数据里估算普瓦松分布的均值？

数值分析

holycow 发表于 2019-2-5 02:42
1. 极值出在哪里，只要估计出lambda即可
+ C# A# t4 [* a! c0 F1 z8 ~1 n2. Lambda的估计需要依赖于归一
7 ]  y& s% k4 w0 m9 U4 d2 l# d  x3. 归一的分母是可以主观确定的  ...

( B( M7 r" [+ q. C% R
( {" m) u6 h4 v! U& X3 i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.
1 M% {% l: C8 U6 s& O7 C& C6 s4 p
这很直观,您再想想?

数值分析

tanis 发表于 2019-2-5 03:26
冒昧的问一句，你搞过竞赛么~
8 _) I% m- o6 j8 {5 p$ o
思维方式挺像的~

+ h4 E3 G1 d: {' {1 b0 f% R8 O我希望我搞过.可以当年没赶上机会.

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
4 N: e8 [' ~0 f! z4 a' X, T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 ...

# o' F% k1 A4 L9 b, n! m嗯...这个问题其实有点像"人择原理",不好表达清楚.
# \$ [( ]& W' Q3 `+ J! m8 A  j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 ...

7 p, Z6 R0 {( c" W. \4 F7 C! P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
7 P4 ~5 s8 @6 o& x. i- x: ^* Q1 [5 F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 ...

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
0 s$ ~4 w5 X  d( Y0 _对,我们可以管这个叫"晨择原理".这是这个讨论的出发点.

9 }, }3 Z6 S8 ~; T8 d1 |, w
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
) O& I6 p6 V; N- N/ b. S6 k# ?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" v, b1 w$ C6 `: p' u
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。