我需要证明泊松过程中的事件数量是由参数λ* t的泊松分布分布的。下面是泊松过程生成器:
ppGen <- function(lambda, maxTime){
taos <- taosGen(lambda, maxTime)
pp <- NULL
for(i in 1:maxTime){
pp[i] <- sum(taos <= i)
}
return(pp)
}在这里,我尝试重复这个过程1000次,并向量每一次实现中出现的总次数:
d <- ppGen(0.5,100)
tail(d,n=1)
reps <- 1000
x1 <- replicate(reps, tail(ppGen(0.5,100), n=1))
hist(x1)这是直方图:

这里我试着画一条带参数λ*t的理论泊松密度曲线:
xfit<-seq(1,100,length=100)
yfit<-dpois(xfit,lambda = 0.5*100)
lines(xfit,yfit)但是曲线不会出现在直方图附近。有没有人能给出一个正确的建议呢?
发布于 2021-01-02 07:44:57
也许你可以像下面这样尝试curve
x <- rpois(1000, 0.5 * 100)
dp <- function(x, lbd = 0.5 * 100) dpois(x, lambda = lbd)
curve(dp, 0, 100)
hist(x, freq = FALSE, add = TRUE)

https://stackoverflow.com/questions/65534278
复制相似问题