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
2. Lambda的估计需要依赖于归一
3 {, @& t& [9 ]3. 归一的分母是可以主观确定的  ...

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.

6 v0 ^( x( j5 y2 N  I) S9 P5 @- e这很直观,您再想想?

数值分析

tanis 发表于 2019-2-5 03:26
冒昧的问一句，你搞过竞赛么~

$ H: L; P' P# {2 f思维方式挺像的~

我希望我搞过.可以当年没赶上机会.

4 f4 i0 O; `7 }) }; {; h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 ...

4 x( w$ q( S. X% w% `6 z嗯...这个问题其实有点像"人择原理",不好表达清楚.
( D6 y0 h  x" A' i0 j$ Y5 r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
0 @' ^9 \7 Y! u: t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
1 Z7 Z5 p. U+ W0 T& ?& U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
对,我们可以管这个叫"晨择原理".这是这个讨论的出发点.

8 B6 p: ]7 ^' m; V  y
% w+ H) }" F! P; _; v+ _& r( o  y8 E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
) z; H& G& L9 `; i" R" E7 @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 ...

+ U1 e( P6 E- j. A, [: y9 C
2 o4 A% \9 ~% s( }* S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。