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
) V; g* B  v3 h0 s) q# A1. 极值出在哪里，只要估计出lambda即可
2. Lambda的估计需要依赖于归一
3 Z) [# O7 \1 g4 i- G1 b3. 归一的分母是可以主观确定的  ...

" a! c+ r& R4 _4 y/ y( I+ ]' E
8 ~6 z; A  H" T& m- D! U! ~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
: a7 _3 l; B% {# u冒昧的问一句，你搞过竞赛么~

% d8 u' x# U/ Q( K) v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
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 ...

6 {: ?+ y" F. i% S) m嗯...这个问题其实有点像"人择原理",不好表达清楚.
- H3 |9 z' C: r( H0 Z+ W, s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
7 F  s' l1 m5 `  Q7 }0 O1 y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 ...

2 R! V  {- O* m0 \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 ...

" r# _( Y- ~' f/ g: {/ M  N; ]/ |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
- [" L5 V/ d5 b& ?* y' a对,我们可以管这个叫"晨择原理".这是这个讨论的出发点.

+ e1 _2 [) z6 V" L- U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
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 ...

8 k* F. r& h1 d0 W7 a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。