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
! a: {( l& Q3 \6 W7 h2. Lambda的估计需要依赖于归一
3. 归一的分母是可以主观确定的  ...

: \; B4 b2 F0 N; g* G: Z# `$ N6 ?
# Q3 ?2 E3 O" z- ?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.

这很直观,您再想想?

数值分析

tanis 发表于 2019-2-5 03:26
- s2 @: k( x1 ]" H5 v. x7 c6 g7 z冒昧的问一句，你搞过竞赛么~

# M8 D" U" K5 Y5 H7 ?  ^思维方式挺像的~

; {1 n/ I2 }0 v" T我希望我搞过.可以当年没赶上机会.
$ u" I( h. v/ m- L8 Q" A* @
+ G2 n, d# I. Y8 @/ `) \/ {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 ...

) z+ S6 \+ C5 M) I- ?嗯...这个问题其实有点像"人择原理",不好表达清楚.
2 r& {0 \( x( n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
/ U* ]" z5 w2 T; k2 \! B: o+ t, O+ f! @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 ...

# j% Y* p6 K, V% w& i6 D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
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 ...

/ L+ ^; c3 c2 |  }, k+ ^$ L3 P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.

0 W" a, i9 k, J9 B
- i+ i+ i$ \$ \+ b  H$ q) A; ^7 i8 [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
3 I: g1 n) q1 p1 k" p( I# E3 q( g1 B5 c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 ...

4 m! I! y, i6 w# L$ F
8 z5 S1 Y9 z  w  Z* r' ?% P) r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。