Question

我有一个简单的脚本来设置Poisson分布，通过构造一个概率= 0.1的“事件”数组，然后计算每组10个成功的数量。它几乎可以工作，但分布不是很好对（P（0）应该等于P（1），而是P（1）的约90％）。这就像有一种一种错误，但我无法弄清楚它是什么。该脚本使用来自here的Counter类（因为我有Python 2.6而不是2.7），并且分组使用了所讨论的here的itertools。这不是一个随机问题，重复给出非常紧凑的结果，整体平均看起来不错，团体规模看起来不错。我搞砸了哪些想法？

from itertools import izip_longest
import numpy as np
import Counter

def groups(iterable, n=3, padvalue=0):
    "groups('abcde', 3, 'x') --> ('a','b','c'), ('d','e','x')"
    return izip_longest(*[iter(iterable)]*n, fillvalue=padvalue)

def event():
    f = 0.1
    r = np.random.random()
    if r < f:  return 1
    return 0

L = [event() for i in range(100000)]
rL = [sum(g) for g in groups(L,n=10)]
print len(rL)
print sum(list(L))

C = Counter.Counter(rL)
for i in range(max(C.keys())+1):
    print str(i).rjust(2), C[i]

$ python script.py 
10000
9949
 0 3509
 1 3845
 2 1971
 3 555
 4 104
 5 15
 6 1
$ python script.py 
10000
10152
 0 3417
 1 3879
 2 1978
 3 599
 4 115
 5 12

Answer 1

我对你的数学进行了组合现实检查，看起来你的结果实际上是正确的。 P（0）不应大致等于P（1）

.9^10 = 0.34867844 = probability of 0 events
.1 * .9^9 * (10 choose 1) = .1 * .9^9 * 10 = 0.387420489 = probability of 1 event

我想知道你是不是意外地做了数学：

.1 * .9^10 * (10 choose 1) = 0.34867844 = incorrect probability of 1 event

泊松模拟不能按预期工作？

1 个答案: