«poisson-distribution» etiketlenmiş sorular

Bir poisson dağılımındaki faktöriye bağlı olarak, gözlemler büyük olduğunda poisson modellerini (örneğin, maksimum olasılık kullanarak) tahmin etmek pratik olmaz. Yani, örneğin, belirli bir yıldaki intihar sayısını açıklamak için bir model tahmin etmeye çalışıyorsam (sadece yıllık veriler mevcuttur) ve her yıl binlerce intihar var, yüzlerce intihar ifade etmek yanlış mı , …

17 modeling  poisson-distribution  large-data 

Poisson GLM'nin tamsayı olmayan sayıları kabul etmesi beni gerçekten şaşırttı! Bak: Veriler (içeriği data.txt): 1 2001 0.25 1 1 2002 0.5 1 1 2003 1 1 2 2001 0.25 1 2 2002 0.5 1 2 2003 1 1 R kodu: t <- read.table("data.txt") names(t) <- c('site', 'year', 'count', 'weight') tm …

17 r  generalized-linear-model  poisson-distribution  poisson-regression 

Bu yüzden parametresine sahip poisonun toplamının kendisinin ile bir poisson olduğunu biliyoruz . Varsayımsal olarak, kişi ve aslında olduğunu söyleyebilir, burada her : ve CLT'nin çalışması için büyük bir n alın.λ n λ x ∼ p o i s s o n ( λ = 1 ) ∑ n 1 …

16 poisson-distribution  central-limit-theorem  asymptotics 

Negatif binom dağılımı biyoenformatikte sayım verileri için (özellikle belirli bir deneyden belirli bir genomun belirli bir bölgesinde okunan sıralı okuma sayısı) popüler bir model haline gelmiştir. Açıklamalar değişiklik gösterir: Bazıları bunu Poisson dağılımı gibi çalışan ancak ek bir parametreye sahip, gerçek dağılımı modellemek için daha fazla özgürlüğe izin veren ve …

16 poisson-distribution  negative-binomial  bioinformatics  sequence-analysis 

Poisson dağılımı birim zaman başına olayları ölçebilir ve parametre . Üstel dağılım, parametresi ile bir sonraki olaya kadar geçen süreyi ölçer . Olayları veya zamanları modellemenin daha kolay olmasına bağlı olarak, bir dağıtım diğerine dönüştürülebilir.λλ\lambda1λ1λ\frac{1}{\lambda} Şimdi, bir gama-poisson, daha büyük bir varyansa sahip "gerilmiş" bir zehirdir. Weibull dağılımı, daha büyük …

16 poisson-distribution  negative-binomial  gamma-distribution  exponential-family 

Sayım verileriyle hangi modelin kullanılacağına karar vermek için uygun strateji nedir? Ben çok düzeyli bir model olarak modellemek için gereken veri sayım var ve bunu (bu sitede) bunu yapmak için en iyi yolu böcek veya MCMCglmm olduğunu tavsiye edilmiştir. Ancak ben hala bayes istatistikleri hakkında bilgi edinmek için çalışıyorum, ve …

16 poisson-distribution  generalized-linear-model  negative-binomial  overdispersion 

Permütasyon testleri (randomizasyon testi, yeniden randomizasyon testi veya kesin test olarak da adlandırılır) çok faydalıdır ve örneğin normal dağıtım varsayımı t-testkarşılanmadığında ve değerlerin parametrik olmayan test Mann-Whitney-U-test, daha fazla bilginin kaybolmasına neden olur. Bununla birlikte, bu tür bir test kullanılırken bir ve sadece bir varsayım göz ardı edilmemelidir, örneklerin sıfır …

16 hypothesis-testing  permutation-test  exchangeability  r  statistical-significance  loess  data-visualization  normal-distribution  pdf  ggplot2  kernel-smoothing  probability  self-study  expected-value  normal-distribution  prior  correlation  time-series  regression  heteroscedasticity  estimation  estimators  fisher-information  data-visualization  repeated-measures  binary-data  panel-data  mathematical-statistics  coefficient-of-variation  normal-distribution  order-statistics  regression  machine-learning  one-class  probability  estimators  forecasting  prediction  validation  finance  measurement-error  variance  mean  spatial  monte-carlo  data-visualization  boxplot  sampling  uniform  chi-squared  goodness-of-fit  probability  mixture  theory  gaussian-mixture  regression  statistical-significance  p-value  bootstrap  regression  multicollinearity  correlation  r  poisson-distribution  survival  regression  categorical-data  ordinal-data  ordered-logit  regression  interaction  time-series  machine-learning  forecasting  cross-validation  binomial  multiple-comparisons  simulation  false-discovery-rate  r  clustering  frequency  wilcoxon-mann-whitney  wilcoxon-signed-rank  r  svm  t-test  missing-data  excel  r  numerical-integration  r  random-variable  lme4-nlme  mixed-model  weighted-regression  power-law  errors-in-variables  machine-learning  classification  entropy  information-theory  mutual-information 

Poisson model uyumunun artık sapmanın serbestlik derecelerine bölünmesini içeren aşırı dağılmış olup olmadığını kontrol etme tavsiyesini sık sık gördüm. Ortaya çıkan oran "yaklaşık 1" olmalıdır. Soru, "yaklaşık" için hangi aralıktan bahsediyoruz - alternatif model formlarını dikkate almak için alarmları ayarlaması gereken oran nedir?

16 poisson-distribution  negative-binomial  poisson-regression  overdispersion 

Orijinal soru (25.07.2014): Haber medyasından yapılan bu alıntı mantıklı mı, yoksa son uçak kazalarının durumunu izlemek için daha iyi bir istatistiksel yol var mı? Bununla birlikte, Barnett ayrıca Poisson dağılımı teorisine de dikkat çekiyor, bu da çökmeler arasındaki kısa aralıkların aslında uzun olanlardan daha muhtemel olduğunu ima ediyor. Barnett, "Her …

15 probability  poisson-distribution 

Olaylar veritabanı (yani tarihlerin bir değişkeni) ve ilişkili ortak değişkenler var. Olaylar, durağan olmayan Poisson işlemi tarafından üretilir ve parametre bazı ortak değişkenlerin bilinmeyen (ancak muhtemelen doğrusal) bir işlevidir. Bence NHPoisson paketi sadece bu amaç için var; ancak 15 saatlik başarısız araştırmadan sonra hala nasıl kullanılacağını öğrenemiyorum. Heck, her iki …

15 r  poisson-distribution  poisson-process 

Poisson dağılımını öğrencilere açıklamama yardımcı olmak için Poisson dağılımıyla modellenmeye uygun olmayan durumlardan bazı iyi örnekler arıyorum. Poisson dağılımı ile modellenebilecek bir örnek olarak, bir mağazaya zaman aralığında gelen müşteri sayısı yaygın olarak kullanılmaktadır. Benzer bir damarda bir karşı örnek arıyorum, yani Poisson değil sürekli zaman içinde olumlu bir sayım …

15 poisson-distribution  teaching 

Bireylerin bir servis düğümüne ulaştığı ve kuyruk oluşturduğu Queuing teorisi senaryolarını düşündüğümüzde, genellikle varış zamanlarını modellemek için bir Poisson süreci kullanılır. Bu senaryolar ağ yönlendirme sorunlarında ortaya çıkar. Poisson sürecinin gelenleri modellemek için neden en uygun olduğuna dair sezgisel bir açıklamayı takdir ediyorum.

15 poisson-distribution  intuition  queueing 

Bir Poisson dağılımını takip etmeyi bekleyebileceğim bir veri setim var, ancak yaklaşık 3 kat fazla dağılmış durumda. Şu anda, bu overdispersion R aşağıdaki kod gibi bir şey kullanarak modelleme. ## assuming a median value of 1500 med = 1500 rawdist = rpois(1000000,med) oDdist = rawDist + ((rawDist-med)*3) Görme, bu ampirik …

15 distributions  modeling  poisson-distribution  overdispersion 

DS Sivia'nın "Veri Analizi" nde Poisson dağılımının binom dağılımından bir türevi vardır. olduğunda Poisson dağılımının binom dağılımının sınırlayıcı vakası olduğunu iddia ederler; burada , deneme sayısıdır.M→∞M→∞M\rightarrow\inftyMMM Soru 1: Bu argüman sezgisel olarak nasıl anlaşılabilir? Soru 2: Büyük sınırı neden eşittir Burada , başarı sayısıdır. denemeler? (Bu adım türetmede kullanılır.)MMMM!N!(M−N)!M!N!(M−N)!\frac{M!}{N!(M-N)!}MNN!MNN!\frac{M^{N}}{N!}NNNMMM

14 binomial  poisson-distribution  combinatorics  intuition  probability-calculus 

Normal dağılımda olasılığının sıfıra eşit olduğunu fark ettim , Poisson dağılımı için c negatif olmayan bir tamsayı olduğunda sıfır olmayacaktır .P(x=c)P(x=c)P(x=c)ccc Benim sorum: Normal dağılımdaki herhangi bir sabitin olasılığı sıfıra eşit midir, çünkü herhangi bir eğrinin altındaki alanı temsil eder mi? Yoksa ezberlemek sadece bir kuraldır?

14 probability  normal-distribution  poisson-distribution