PoissonConsulDistribution
PoissonConsulDistribution[μ,λ]
表示参数为 μ 和 λ 的 Poisson–Consul 分布.
更多信息
- PoissonConsulDistribution 也被称为广义泊松分布 (GPD).
- 当 时,Poisson–Consul 分布中整数值 的概率为 ,当 时,为零.
- PoissonConsulDistribution 允许 μ 为任意正实数,λ 为任意0到1间的实数.
- PoissonConsulDistribution 允许 μ 和 λ 为无量纲量. »
- PoissonConsulDistribution 可以和函数 Mean、CDF 和 RandomVariate 等一起使用.
背景
- PoissonConsulDistribution[μ,λ] 表示一个离散统计分布,定义于 的整数值,由实数参数 μ () 和 λ () 确定. Poisson-Consul 分布的概率密度函数 (PDF) 是离散和单峰的. 有时也被称为广义 Poisson 分布或广义帕雷托分布 (GPD),因为可将 Poisson 分布 (PoissonDistribution) 作为特例来实现,另外有时也称为 Lagrangian Poisson 分布.
- Poisson-Consul 分布是标准 Poisson(得名于法国数学家 Siméon Poisson)分布的推广,还承载了统计学家 Prem C. Consul 的名字,他曾于二十世纪七十年代到八十年代研究过广义的分布. 和经典的 Poisson 分布一样,在模拟事件发生概率很小(比如,每年骑兵由于被马踢中而致死的人数)的大量的独立试验的情况时,Poisson-Consul 分布极为有用,并拓展了经典 Poisson 分布的运用,因为单个事件发生的概率须为常数. Poisson-Consul 分布已被用于模拟大量现代社会中的现象,比如家庭暴力,是金融和精算科学中非常重要的建模工具.
- RandomVariate 可用来给出一个或更多机器精度或任意精度(后者可通过设置 WorkingPrecision 选项获得)的 Poisson-Consul 分布中的伪随机变数. Distributed[x,PoissonConsulDistribution[μ,λ]],更简洁的式子为 xPoissonConsulDistribution[μ,λ],可用来断定随机变量 x 服从 Poisson-Consul 分布. 它也可以被用在诸如 Probability、NProbability、Expectation 和 NExpectation 这样的函数中.
- 通过使用 PDF[PoissonConsulDistribution[μ,λ],x] 和 CDF[PoissonConsulDistribution[μ,λ],x],可以得到 Poisson-Consul 分布的概率密度和累积分布函数,但应注意分布的 PDF 没有解析表达式. 可以用 Mean、Median、Variance、Moment 和 CentralMoment 来分别计算均值、中位数、方差、原始矩和中心矩. 还可以用 DiscretePlot 来可视化这些量.
- 可以用 DistributionFitTest 来检测一个数据集是否符合 Poisson-Consul 分布,根据给定数据,用 EstimatedDistribution 来估计 Poisson-Consul 参数分布,而 FindDistributionParameters 则可用来将数据拟合成 Poisson-Consul 分布. 用 ProbabilityPlot 指令可以产生给定数据的 CDF 与符号式 Poisson-Consul 分布的 CDF 的比较图,QuantilePlot 则能绘制给定数据的分位数和符号式 Poisson-Consul 分布的分位数的比较图.
- 可以用 TransformedDistribution 来表示转换过的 Poisson-Consul 分布,用 CensoredDistribution 表示删失后位于上限和下限值之间的数据的分布,而 TruncatedDistribution 则表示截尾后位于上限和下限值之间的数据的分布. CopulaDistribution 可用来构建包含 Poisson-Consul 分布的高维分布,ProductDistribution 可计算独立分量包括 Poisson-Consul 分布的联合分布.
- PoissonConsulDistribution 和许多其他统计分布有关. 它是 PoissonDistribution 的直接推广,因为 PoissonConsulDistribution[μ,0] 的 PDF 和 PoissonDistribution[μ] 的 PDF 完全一样. 另外,PoissonConsulDistribution 可以由 BorelTannerDistribution 的参数混合 (ParameterMixtureDistribution) 而实现,而当 μ→∞ (假定 μ (1-λ) 保持不变) 时, PoissonConsulDistribution[μ,λ] 的极限是 InverseGaussianDistribution. PoissonConsulDistribution 还与 PascalDistribution、BinomialDistribution、NegativeBinomialDistribution、MultinomialDistribution, 和 NegativeMultinomialDistribution 有关.
范例
打开所有单元关闭所有单元范围 (8)
生成具有 Poisson–Consul 分布的伪随机数样本:
对于大 μ,峰度接近于 NormalDistribution 的峰度:
用无量纲的 Quantity 来定义 PoissonConsulDistribution:
应用 (3)
PoissonConsulDistribution 的 CDF 是一个右连续函数的范例:
到达服务台的客户数量服从均值为 0.6 的 PoissonDistribution,在服务台开始服务之前已经排队等候的客户服从均值为 5 的 PoissonDistribution. 直到无人排队被接待的客户数量服从PoissonConsulDistribution:
人口的初始规模是均值为 μ 的 PoissonDistribution. 每个下一代的规模也是泊松分布,均值与下一代的规模成正比,具有常量 λ. 模拟总的后代:
总的后代服从 PoissonConsulDistribution:
属性和关系 (5)
具有相同 λ 参数的 PoissonConsulDistribution 的随机变量之和服从 PoissonConsulDistribution,并具有相同的 λ 参数:
Poisson–Consul 分布可化简为PoissonDistribution:
PoissonConsulDistribution 中诸如 是固定的,大 μ 的极限为 InverseGaussianDistribution:
PoissonConsulDistribution 是 BorelTannerDistribution 和 PoissonDistribution 的组合:
文本
Wolfram Research (2010),PoissonConsulDistribution,Wolfram 语言函数,https://reference.wolfram.com/language/ref/PoissonConsulDistribution.html (更新于 2016 年).
CMS
Wolfram 语言. 2010. "PoissonConsulDistribution." Wolfram 语言与系统参考资料中心. Wolfram Research. 最新版本 2016. https://reference.wolfram.com/language/ref/PoissonConsulDistribution.html.
APA
Wolfram 语言. (2010). PoissonConsulDistribution. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/PoissonConsulDistribution.html 年