怎样用R语言求泊松分布参数

Python062

怎样用R语言求泊松分布参数,第1张

本帖最后由 jmpamao 于 2012-12-16 15:27 编辑

<9 记为 a

>17 记为 b

data <- read.table(text="

x Freq

9 282

10 547

11 704

12 682

13 527

14 340

15 188

16 91

17 39

",header=T)

pois.lambda <- function(a.min=0,a.max=8,a.Freq=73,b.min=18,b.max=50,b.Freq=23,data=data,p=0.95){

lambda <-c((sum(data[,1]*data[,2])+a.min*a.Freq+b.min*b.Freq)/(sum(data[,2])+a.Freq+b.Freq),

(sum(data[,1]*data[,2])+a.max*a.Freq+b.max*b.Freq)/(sum(data[,2])+a.Freq+b.Freq))

cat("lambda的取值范围",lambda,"\n")

lambda=round((lambda[1]*a.Freq+lambda[2]*b.Freq)/(a.Freq+b.Freq),digits=0)

pois=qpois(p,lambda)

cat("建议取值为",lambda,"\n",p,"的保证接通时，接话员数量",pois,"\n")

}

pois.lambda(0,8,73,18,50,23,data,p=0.95)

1方法性质1：设X是一个随机变量，其分布函数为F(x)，则Y=F(X)服从在〔0，1〕的均匀分布。性质2：设X1,K,Xn是某个分布的一个简单样本，其分布函数为F(x)，由性质1可知，在概率意义下，F(X1),F(X2),K,F(Xn)在（0,1）上呈均匀分布，按从小到大依次排序，记为F(X1),F(X2),K,F(Xn)，其相应理论值应为ri=i-0,5[]n，i=1，2，…，n，对应分布函数的反函数值F-1(r1),F-1(r2),K,F-1(rn)（在卡方分布中即为卡方分数）应非常接近X1,X2K,Xn，故在概率意义下，这些散点(X1,F-1(r1)),(X2,F-1(r2)),L,(Xn,F-1(rn))应在一条直线上。根据性质2，如果X服从正态分布，则散点理论上应落在一直线上，可以用Pearson系数刻画这种分布。但由于随机变异的存在，Pearson系数并不等于1，所以通过随机模拟的方法，制定出Pearson系数的95%界值下限。性质3：由条件概率公式P(X,Y)=P(Y|X)P(X)可知：（X，Y）服从二元正态分布的充分必要条件是固定X，Y服从正态分布(条件概率分布)并且X的边际分布为正态分布。由线性回归的性质ε=Y-(α+βX)可知，固定X，Y的条件概率分布为正态分布的充分必要条件是线性回归的残差ε服从正态分布，由此可得：（X，Y）服从二元正态分布的充分必要条件是X的边际分布为正态分布以及线性回归模型Y=α+βX+ε中的残差服从正态分布。设X来自于正态总体，从正态总体中随机模拟抽样5000次，每次抽样样本含量分别为7至50，对F(x)求秩，求出排序后的F(x)和排序后的X的Pearson相关系数。表1随机模拟5000次得到的检验正态分布的Pearson相关系数的界值（略）类似地，我们也可以用同样的方法得到检验卡方分布的Pearson相关系数的界值表（简化表）表2相关系数界值表（略）2随机模拟验证21Pearson相关系数界值表的随机模拟验证设X来自于正态总体，从正态总体中随机模拟抽样5000次，每次抽样样本含量分别为10，20，30，40，50，并计算相应的Pearson卡方系数，以及落在界值外面的比例，即拒绝比例，再在同一批数据的前提下用McNemar检验比较本方法和Swilk法的差别。表3（一元正态分布）模拟次数（略）表4（一元偏态分布，χ2)模拟次数（略）以上方法拒绝比例在样本量为7的可信区间为［78.37%，94.12%］，在其余样本量时都接近100%，可以证实是正确的。22卡方分布界值表的随机模拟验证表5卡方分布：模拟5000次（略）23马氏距离的随机模拟验证根据马氏距离的定义，从正态分布总体中随机抽取样本量分别为10，20，30，40，50的样本模拟5000次，根据上面提到的方法以卡方分数对X1,X2K,Xn求Pearson系数，并根据以上的相关系数界值表，计算相应的统计量，即拒绝比例。表6马氏距离落在Pearson系数界值表外的比例（略）24二元正态分布资料的随机模拟验证设定一个二维矩阵A，分别求出特征值P和特征向量Z，设X的元素均来自于正态总体分布，则Y=Z′×X必服从二元正态分布，随机模拟5000次，根据性质三介绍的方法验证的拒绝比例如下。表7（二元正态分布）模拟次数（略）表8（二元偏态分布，χ2）模拟次数（略）25三元正态分布资料的随机模拟验证类似地，随机模拟5000次，用同样方法进行验证，得到对于三元正态分布数据的拒绝比例。表9（三元正态分布）模拟次数：5000次