问题：如何从数据里估算普瓦松分布的均值？

数值分析

) Z) K$ |( A2 E$ a2 x

holycow 发表于 2019-2-5 02:42
1. 极值出在哪里，只要估计出lambda即可
# I( \; a- o7 w$ `: D  a- A  m2. 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  ...

  W/ K4 g$ }& g( f
, g- e% i4 l$ `$ }4 z3 g8 Q* m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
- @: c6 \5 _" R( c( N) s冒昧的问一句，你搞过竞赛么~
! s' Y0 C' p) P( N" j, l) l" Z
+ ]" G5 s8 }% b思维方式挺像的~

' E- A. b$ s' ]3 |9 [+ e- P; Q  V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
3 `" Q1 I! {% e: Y, \: y* 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 ...

. }2 m& q  k/ o* a0 B2 R+ V" q; Z嗯...这个问题其实有点像"人择原理",不好表达清楚.
: Y* F+ m# U$ _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
3 k1 G$ \9 h$ m6 D0 O7 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 ...

; Q( X; ^# W  D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.

* q2 D* ?* x: X' y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
6 ^  i, I/ E/ {1 C/ \6 y7 F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 ...

" I% n1 ]+ s- w$ K
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。