如何实现泊松分布的最大似然估计

Question

例如，我有一个离散数和均值（lambda）的数据框。 我的方法是

1. 我通过对对数 pmf 求和来计算对数似然 np.sum(poisson.logpmf(df,mean)) 并返回为 -likelihood。像这样

定义 f(test_method): 对数似然 = np.sum(poisson.logpmf(df,mean)) 返回-对数似然

2. 然后我尝试使用最小化函数“minimize(f,0)”

但是在运行最小化功能时，我没有得到正确的输出。我希望，我的问题是连贯的

我的问题是，我是否遗漏了任何步骤，或者是否有任何方法可以通过实施 MLE 来拟合泊松分布 output after running minimize function