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
4 C$ M6 i1 ]0 S1 O% F1 k1. 极值出在哪里，只要估计出lambda即可
3 J# [& _: x# }9 Y8 `( ?2. 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  ...

3 p* [6 k' ^3 }3 K4 x2 z1 |/ v+ t
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.
2 Z, D9 Y% d, @9 y2 Z
9 l& b  T7 c0 X/ E- ]% g: s5 }7 N这很直观,您再想想?

数值分析

tanis 发表于 2019-2-5 03:26
0 N, K5 s" N' A7 v$ E冒昧的问一句，你搞过竞赛么~

思维方式挺像的~

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
) o  U3 a2 r8 l: b; X) s8 u- @" n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 ...

9 }3 l, N# [0 @嗯...这个问题其实有点像"人择原理",不好表达清楚.
/ r) N+ A1 h1 [' g; ~; w9 I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
4 w$ r+ R! f4 |6 {% j8 Z  N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
" T5 W  v! A6 T3 [+ u" q0 A+ Z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 ...

; M6 }; u6 d. |- H5 R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 d  K* A  q5 i! X8 }$ Q2 m/ h, a
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
0 m7 m6 t5 w# y) S! B- a& _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 ...

9 t' w' P% e' F- I& G7 D$ {
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。