問題タブ [poisson]

MLE でデータセットのラムダ パラメーターを見つけようとしています。ここで説明されているように、これはかなり簡単に思えますhttp://en.wikipedia.org/wiki/Poisson_distribution

私の問題は、これらの例で採用されている低い値の k に簡単に対応しないデータを当てはめようとしていることです。具体的には、私のデータは、ポアソン分布に適合させたいプロジェクト (通常は数千単位) のコスト見積もりの​​分布です。

質問: データを「正規化」または「スケーリング」して Lambda パラメーターを推定するにはどうすればよいですか?

私がこの質問に完全に同意していないことを願っています。可能であるべきですよね？

コメントしてくれてありがとう。

私は、さまざまなプログラムへの学生の登録を調べる回帰モデルの開発を任されました。これは、登録数がポアソン分布によく従う、非常に優れたクリーンなデータ セットです。モデルを R に当てはめます (GLM と Zero Inflated Poisson の両方を使用します)。結果の残差は妥当に見えました。

ただし、その後、生徒の数を、生徒数/学校人口として計算される「率」に変更するように指示されました (各学校には独自の人口があります)。 . これは、プログラムの「登録率」と見なされます。

この「率」(学生/人口) はもはやポアソンではありませんが、確かに正規でもありません。そのため、適切な分布と、それを表す後続のモデルについて少し迷っています。

対数正規分布はこの比率パラメーターにうまく適合しているように見えますが、0 の値が多いため、実際には適合しません。

この新しいパラメーターの最適な分布形式と、R でモデル化する方法に関する提案はありますか?

ありがとう！

私の問題は、最も効率的な方法で N ポアソン乱数値 ( RV) をそれぞれ異なる mean/rate で抽出することLamです。基本的にはsize(RV) == size(Lam).

これは単純な (非常に遅い) 実装です。

私のラップトップでは、1e6サンプルで次のようになります。

これから改善することは可能ですか？

私は、ポアソン分布誤差を含む一般化された線形混合効果モデルの構築に取り組んでいます。lme4 パッケージの glmer() を使用して作業しましたが、モデルが非常に分散しすぎていることに気付きました。負の二項回帰ルートを使用する必要があります。このチュートリアルによると (非常に役に立ちました):

http://depts.washington.edu/cshrb/newweb/stats%20documents/Longitudinal%20count%20regression%20REVISION2%20FINAL%20(15%20June%202012).pdf

このチュートリアルによると、負の二項 GLMM を実行するために使用できるパッケージが 2 つあります。gamlss.mx と glmmADMB 問題は、パッケージをロードすることさえできないことです。gamlss.mx については、インストールできるようですが、読み込まれません。R は、パッケージが存在しないと言います (または、私が言っている場所にありませんか?)。名前付けに問題がある可能性があります (gamlss.mx と呼ばれていますが、R は gamlss を読み込もうとしているようですが、見つかりませんか?)。

こんにちは、いくつかのジョブ スケジューリング アルゴリズムをシミュレートしようとしています。リクエストのポアソン到着関数を作成しようとしています。ウィキペディアでポアソン到着のアルゴリズムを見つけ、それを実装して実行しましたが、常に同じ結果が得られます(例 l=15 -> 14 を返し、 l=1/15 は 0 を返します)

これは私がこれを作成するために使用したアルゴリズムです

前もって感謝します

私はいくつかの信号処理を行っており、ポアソン行列を生成する必要がありますが、使用しているデータが十分に大きいため、現在行っている方法で matlab がメモリ不足になります。

私はこれを少しいじっていましたが、現時点ではちょっと困惑しているので、行列を生成するより効率的な方法、つまりmatlabが不足する問題を解決する方法を見つけるのを手伝ってくれることを望んでいました.メモリー。

とにかく、ここに私がこれまでに持っているものがあります

前もって感謝します！

私は両方のアプローチを試しましたが、両方に問題があります.2つのアプローチで質問をする前に、どちらが私の問題であるかをよりよく説明しようとします.

前に説明した独立変数を使用して、病院での毎日の受け入れ数を持つデータセット「受け入れ」があります。病院には、訪問を行う場所が 3 つあります。そのため、私のデータセットには、場所ごとに 1 日に 3 つの行があります。データセットは次のようになります。

.... など... 昨日までのデータセットがあるので、最後の 3 行は 2013 年 7 月 29 日の昨日の承認です。次に、ポアソン回帰を実行します。

ここで、予測のために新しいデータセットacceptances_2を作成します。このデータセットから、次の2か月の受入数の予測間隔を計算します!! したがって、最初の行は今日の承認数になり、最後の行は 9 月 29 日の承認数になります。

この質問にすでに回答があるかどうかはわかりませんが、見つけることができませんでした。R でポアソン回帰を実行しようとしていますが、予測区間を取得したいと考えています。の予測関数がlm書き込みを与えることがわかりましたが、 !では機能'interval="prediction"'しません。predict.glm

それらの予測間隔を持つ方法があるかどうか誰かが知っていますか?? いくつかの例があれば、コードを入力できますか?

したがって、病院での毎日の受け入れの数を数えなければならず、次のコードがあります。

ここで Rpredict(poisson_reg, newdata, type="responce")と入力すると、毎日の受け入れ数の予測が得られますが、予測間隔も必要です! 私は、予測呼び出しのクラスのオブジェクトに対して次の"lm"ように記述できることを確認しました。predict(poisson_reg, newdata, interval="prediction")これにより、95% の予測間隔が得られます。class のオブジェクトで同じものを取得する方法はあり"glm"ますか?