Question

只是为了让每个人都知道背景，我会在我的问题之前告诉我的目标。我正在尝试模拟，足球比赛预测，角落和目标。为了对其进行建模，我尝试使用离散化的正态分布，并且如标题所示，泊松分布。所以，我们假设我收集了数据，而我的假设是3个月前的结果不相关，所以我会有一个这样的矢量。

a=[6,3,12,4,7,8,6,8,9]

我知道我可以使用scipy来返回特定结果的几率，例如6角，就这样。

>>> scipy.stats.distributions.poisson.pmf(6, mean)

我想我可以添加所有先前的数字以获得6个或更少角落的赔率，但是没有办法计算整个数字范围的赔率，在这种情况下，从0到6？< / p>

此外，如果有人精通数学或任何想要分享更合适的分发或程序的人，请成为我的客人。我知道，为了使用拟合分布模型算法，我应该拥有比10个匹配更大的数据，但这与我必须工作的东西相比。作为一个事后的想法，我考虑使用中位数而不是平均数，如果平均值太偏斜，那么你们也可以分享你们的意见。

提前致谢

Answer 1

对于给定的离散分布，pmf函数计算特定值的概率，cdf函数计算任何值小于或等于给定值的概率：

>>> poisson = scipy.stats.distributions.poisson
>>> poisson.pmf(6, 11.5)
0.032543780632085614
>>> poisson.pmf([0,1,2,3,4,5,6], 11.5)
array([  1.01300936e-05,   1.16496076e-04,   6.69852439e-04,
         2.56776768e-03,   7.38233209e-03,   1.69793638e-02,
         3.25437806e-02])
>>> sum(poisson.pmf([0,1,2,3,4,5,6], 11.5))
0.060269722823413086
>>> poisson.cdf(6, 11.5)
0.060269722823413183
>>>

如果你想要一系列不以零开头的值的概率，你可以减去cdfs，所以 3＆lt; = X＆lt; = 6 的概率< em> X 平均值为11.5的泊松变量是：

>>> poisson.cdf(6, 11.5) - poisson.cdf(2, 11.5)
0.059473244214220844
>>> sum(poisson.pmf([3,4,5,6], 11.5))
0.059473244214220747
>>>

Python中一系列数字的泊松概率

1 个答案: