本文探讨了如何使用Python的Numpy库进行泊松分布拟合。指出在泊松分布中，均值等于方差，但在实际应用中，如果用高斯值进行拟合，则不会得到恒定的均值。建议使用np.histogram绘制随机数的直方图，并通过调整size参数提高精度。同时，解释了泊松分布仅返回非负整数的特点，以及在特定情况下泊松分布与高斯分布的比较。
首先，假设您import numpy as np，我会写下这个答案，因为它明确区分numpy函数与内置函数或math和random的函数包的python。
我认为没有必要回答您指定的问题，因为您的基本假设是错误的：
是的，泊松统计量的均值等于方差，但假设您使用常数 lam。但你不是。你输入高斯的y值，所以你不能指望它们是恒定的(它们是你的定义高斯！)。
使用np.random.poisson(lam=0.5)从泊松分布中获取一个随机值。但要小心，因为这个泊松分布甚至与你的高斯分布大致相同，因为你处于低均值＆＃34;两者都有显着差异的区间，例如参见Wikipedia article about Poisson distribution。
此外，您正在创建随机数字，因此您不应该绘制它们，而是绘制np.histogram个。由于统计分布都与概率密度函数有关(见Probability density function)。
之前，我已经提到你创建了一个带有常数lam的泊松分布，所以现在是时候讨论size了：你创建了随机数，所以近似真实的泊松分布你需要绘制大量随机数。大小来自：np.random.poisson(lam=0.5, size=10000)例如创建一个10000个元素的数组，每个元素从泊松概率密度函数中绘制，平均值为0.5。
如果您在之前提及的维基百科文章中没有阅读它，那么泊松分布根据定义仅提供无符号(＆gt; = 0)整数作为结果。
所以我猜你想要做的是创建一个包含1000个值的高斯和泊松分布：
gaussian = np.random.nor
最低0.47元/天 解锁文章
5327
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
