问题：如何从数据里估算普瓦松分布的均值？

数值分析

7 |- k1 _5 V1 T$ b3 l1 o

holycow 发表于 2019-2-5 02:42
/ K: v( |' u: {5 ^8 u  d+ q1. 极值出在哪里，只要估计出lambda即可
4 a; A- }; ~- B3 R, ]6 C2. Lambda的估计需要依赖于归一
# l+ B  N, |& D' ]3. 归一的分母是可以主观确定的  ...

! |, Y) ]5 ]- @/ Z* M: `% n
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.
" \+ a2 m% G* ~+ s
这很直观,您再想想?

数值分析

tanis 发表于 2019-2-5 03:26
) q. P- \4 a& s1 s( q/ Z  P5 l. Z冒昧的问一句，你搞过竞赛么~
) A2 i2 O8 G: Q
9 a" z; o1 C% C8 _思维方式挺像的~

' [" w" d% ?$ C' z( q; W; @我希望我搞过.可以当年没赶上机会.
0 j  ]3 S. ^6 q9 t1 _
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 ...

; ]/ e0 \; O3 M! e, K嗯...这个问题其实有点像"人择原理",不好表达清楚.
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
$ m" }$ g, l3 g) S# \1 u1 c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 ...

( d( {6 ?+ H7 P4 g$ g; z9 K" V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
$ G, Z% U$ t* W" J, E! 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 ...

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
$ x" M* }4 B+ D- Y对,我们可以管这个叫"晨择原理".这是这个讨论的出发点.

3 w. ^# e. f7 a
/ O* A# N9 Z" L7 N7 Q- m8 P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
% ?) s9 ^+ G$ P& }7 N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 ...

$ F1 ~8 n- u% Z. m2 u4 }6 L
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。