Java：基于Poisson的小区域约束点过程

在模拟基于泊松分布的随机点过程时，包含1000个点；它们似乎都占据了窗口中心的一个小区域

我使用Donald Knuth逆采样算法来实现基于泊松的伪随机数生成器

Lambda值（也称为成功率）设置为window_dimension/2，并获得此结果（屏幕截图）

代码：

public double getPoisson(double lambda) {//250
    double L = Math.exp(-lambda);
    double p = 1d;
    int k = 0;
    do {
        k++;
        p *= Math.random();
    } while (p > L);

    return k-1;
}

---

`在我看来，问题在于您认为输出应该是什么，因为程序似乎正在生成您所要求的内容。速率为500的A的期望值和方差都等于500，对于λ的大值，它是非常对称和钟形的。综上所述，所有这些都意味着标准差为

sqrt（500）

，略小于22.4，因此您应该预计约95%的收入为500&pm；45，这看起来像是你得到的

随后的编辑（在注释中）说λ=250，结果的表现类似。每个维度的结果可能范围为250&pm；31，仍然向中心聚集

通过创建具有标准偏差的泊松随机变量，很容易确认我的解释，例如&pm；3σ跨越绘图区域。 你需要一个更大的方差/标准差来增加结果在整个窗口中的分布。为了演示这一点，我使用了泊松（6400）——标准偏差为80，减去6150，得到的结果平均值为250。因此，绝大多数值将介于0和500之间。我生成了1000对独立的值，并使用JMP统计软件包绘制它们，结果如下：

就为了jollies，这里有一个正常（250，80）的独立配对图：

他们看起来很像，不是吗

重申一下，您使用的泊松算法没有错。它正在做你让它做的事情，即使这不是你期望的结果

---

补遗 由于您不相信这一点，以下是您的具体案例的一些直接证据，同样由JMP生成：

---

左侧是1000个随机生成的泊松（250）值的直方图。注意形状良好的钟形。我让JMP根据选择最佳连续分布拟合。它选择了正态性作为最佳拟合，诊断结果在右边，得到的密度图以红色叠加在直方图上。结果本身就是明证。

在我看来，问题在于您认为输出应该是什么，因为程序似乎正在生成您要求的内容。速率为500的A的期望值和方差都等于500，对于λ的大值，它是非常对称和钟形的。综上所述，所有这些都意味着标准差为

sqrt（500）

，略小于22.4，因此您应该预计约95%的收入为500&pm；45，这看起来像是你得到的

随后的编辑（在注释中）说λ=250，结果的表现类似。每个维度的结果可能范围为250&pm；31，仍然向中心聚集

通过创建具有标准偏差的泊松随机变量，很容易确认我的解释，例如&pm；3σ跨越绘图区域。 你需要一个更大的方差/标准差来增加结果在整个窗口中的分布。为了演示这一点，我使用了泊松（6400）——标准偏差为80，减去6150，得到的结果平均值为250。因此，绝大多数值将介于0和500之间。我生成了1000对独立的值，并使用JMP统计软件包绘制它们，结果如下：

就为了jollies，这里有一个正常（250，80）的独立配对图：

他们看起来很像，不是吗

重申一下，您使用的泊松算法没有错。它正在做你让它做的事情，即使这不是你期望的结果

---

补遗 由于您不相信这一点，以下是您的具体案例的一些直接证据，同样由JMP生成：

---

左侧是1000个随机生成的泊松（250）值的直方图。注意形状良好的钟形。我让JMP根据选择最佳连续分布拟合。它选择了正态性作为最佳拟合，诊断结果在右边，得到的密度图以红色叠加在直方图上。结果本身就是明证。

我们不想看到完整的代码。但是我们需要看到足够的代码来发现问题。换句话说，请把你的问题缩小到一个小范围，然后贴出来。你试过调试你的代码吗？您已经尝试调整了哪些参数？你到底希望这段代码做什么呢？我改变了Lambda的值（太小导致窗口上没有可见的变化，大值也是如此）。我将提供与此方法相关的类，正如我所说的，我们需要看到一个。我们不希望只看到与此方法相关的类。您应该尝试创建一个包含尽可能少的行的最小程序，但是我们可以复制并粘贴到我们自己的机器上，以准确地了解您所谈论的内容。还要注意，您已经用and标记了它，这往往会吸引不熟悉处理的Java开发人员的大量反对票。另请参见：。对不起，我不是想惹人生气，但您刚刚发布的课程并没有告诉我们太多。我们需要看看这些点是如何得到它们的位置的，以及它们是如何被画出来的。请尝试将其缩小为MCVE，而不是发布整个项目。我们不希望看到完整的代码。但是w