2014-11-09 2 views
-1

Если у меня есть событие:PoissonDistribution defined lambda

«В среднем я создаю 5 объектов каждые десять минут». Я должен использовать распределение Пуассона

http://en.wikipedia.org/wiki/Poisson_distribution:

Я должен детерминированных лямбда параметр. Я думаю, что лямбда (timealInterval/mean), что в этом случае (10/5). это правильно? Я не знаю, правильно ли это решение. Кто-нибудь может мне помочь?

ответ

0

Оценка: Оценка: Отслеживаемый процесс. Тарифы имеют форму «count per unit». Если ваш Пуассон используется для описания временного процесса, ставка равна E[count/unit time], а объективная оценка - observed count/observed time. Если вы заметили 5 объектов за 10 минут, расчетная скорость составляет 0,5 в минуту. Скорости Пуассона можно масштабировать до разных единиц времени, если это необходимо, поэтому скорость 0,5 в минуту также составляет 5 за 10 минут или 30 в час. Выбор полезной единицы времени зависит от вас, но убедитесь, что вы используете единицы последовательно по всей проблеме.

Lambda is не вероятность, заявленная другим респондентом. Эта претензия тривиально опровергается, поскольку лямбда может быть любой положительной величиной, а вероятности должны быть числом от нуля до единицы.

0

Лямбда в распределении Пуассона - это ожидаемое количество раз, когда происходит событие. Например, говорят, что вы наблюдали покупатель, входящих в магазин в течение 10-минутных интервалов в течение 1 дня и увидели, были следующие частоты:

  • 0 Входов Наблюдаемых 20 раз
  • 1 Входы Наблюдаемых 50 раз
  • 2 Подъездов Наблюдаемых 30 раз
  • 3 Входов Наблюдаемые 28 раз
  • 4 Входов Наблюдаемые 12 раз
  • 5 Входы Наблюдаемые 4 раза

Всего 262 человека вошли в магазин: [20 * (0) + 50 * (1) + 30 * (2) + 28 * (3) + 12 * (4) + 5 * (4)]
В течение 144 периодов времени [20 + 50 + 30 + 28 + 12 + 4]
Таким образом, лямбда - это среднее количество записей за период времени. 262/144 = 1,8194 ...

Пуассон говорит, что p (x, lambda) = [e^(- lambda) * (lambda)^x]/x!

Таким образом, вероятность того, что 0 человек войдет в магазин, будет оцениваться как: p (0, 1.819) = [e^(- 1.819) * (1.819)^0]/0! = [0,162 * 1]/1 = 0,162

На самом деле мы видели, что 0 человек приходили 20 раз в 144 чеках, поэтому наблюдаемый шанс ввода 0 человек составлял 20/144 = 0,138. Довольно близко!

Итак, вы говорите, что у вас есть 5 случаев каждые 10 минут, поэтому для вас лямбда будет 5. Среднее количество случаев в 10-минутном окне.

Надеюсь, это поможет.