Thực đơn
Phân_phối_Poisson Ước lượng tham sốCho một mẫu gồm n giá trị được đo ki chúng ta muốn ước lượng giá trị của tham số λ của tập hợp phân phối Poisson mà từ đó mẫu này được rút ra. Để tính giá trị hợp lý cực đại (maximum likelihood), ta tạo ra hàm log-likelihood
L ( λ ) = ln ∏ i = 1 n f ( k i ∣ λ ) {\displaystyle L(\lambda )=\ln \prod _{i=1}^{n}f(k_{i}\mid \lambda )\!} = ∑ i = 1 n ln ( e − λ λ k i k i ! ) {\displaystyle =\sum _{i=1}^{n}\ln \!\left({\frac {e^{-\lambda }\lambda ^{k_{i}}}{k_{i}!}}\right)\!} = − n λ + ( ∑ i = 1 n k i ) ln ( λ ) − ∑ i = 1 n ln ( k i ! ) . {\displaystyle =-n\lambda +\left(\sum _{i=1}^{n}k_{i}\right)\ln(\lambda )-\sum _{i=1}^{n}\ln(k_{i}!).\!}Lấy đạo hàm của L theo λ và cho nó bằng 0:
d d λ L ( λ ) = 0 ⟺ − n + ( ∑ i = 1 n k i ) 1 λ = 0 {\displaystyle {\frac {\mathrm {d} }{\mathrm {d} \lambda }}L(\lambda )=0\iff -n+\left(\sum _{i=1}^{n}k_{i}\right){\frac {1}{\lambda }}=0\!}Giải tìm λ sẽ cho ta ước lượng hợp lý cực đại của λ:
λ ^ M L E = 1 n ∑ i = 1 n k i . {\displaystyle {\widehat {\lambda }}_{\mathrm {MLE} }={\frac {1}{n}}\sum _{i=1}^{n}k_{i}.\!}Vì mỗi quan sát có kì vọng λ theo ý nghĩa của mẫu. Vì thế nó là một ước lượng không lệch của λ.
Trong suy luận Bayes, tiên nghiệm liên hợp (conjugate prior) cho tham số λ của phân phối Poisson là phân phối Gamma. Nếu
λ ∼ G a m m a ( α , β ) {\displaystyle \lambda \sim \mathrm {Gamma} (\alpha ,\beta )\!}đại diện cho λ được phân phối theo mật độ Gamma g' được tham số hóa theo một tham số hình dạng (shape parameter) α và một tham số tỉ lệ (scale parameter) nghịch đảo β:
g ( λ ∣ α , β ) = β α Γ ( α ) λ α − 1 e − β λ for λ > 0 . {\displaystyle g(\lambda \mid \alpha ,\beta )={\frac {\beta ^{\alpha }}{\Gamma (\alpha )}}\;\lambda ^{\alpha -1}\;e^{-\beta \,\lambda }\qquad {\mbox{for}}\ \lambda >0\,\!.}Thì, nếu cho cùng một mẫu gồm n giá trị được đo ki như ở trên, và một tiên nghiệm của Gamma(α, β), thì phân phối hậu nghiệm (posterior distribution) là
λ ∼ G a m m a ( α + ∑ i = 1 n k i , 1 1 β + n ) . {\displaystyle \lambda \sim \mathrm {Gamma} (\alpha +\sum _{i=1}^{n}k_{i},{\frac {1}{{\frac {1}{\beta }}+n}}).\!}Thực đơn
Phân_phối_Poisson Ước lượng tham sốLiên quan
Phân Phân loại sinh học Phân phối chuẩn Phân cấp hành chính Việt Nam Phân bón Phân loại giới Động vật Phân người Phân loại sao Phân tích kỹ thuật Phân cấp hành chính Hàn QuốcTài liệu tham khảo
WikiPedia: Phân_phối_Poisson http://www.eventhelix.com/RealtimeMantra/Congestio... http://www.eventhelix.com/RealtimeMantra/Congestio... http://xkcd.com/c12.html http://www.elektro-energetika.cz/calculations/po.p... http://qwiki.caltech.edu/wiki/Poisson_Derivation_1 http://qwiki.caltech.edu/wiki/Poisson_Derivation_2 http://qwiki.caltech.edu/wiki/Poisson_Derivation_3 http://qwiki.caltech.edu/wiki/Poisson_Distribution http://www.stat.tamu.edu/~jhardin/applets/signed/P... http://www.itl.nist.gov/div898/handbook/eda/sectio...