如何计算服从泊松分布、形状为(180,)的numpy数组的期望值

泊松分布的期望值等于其分布参数λ，你可以根据是否知道数组的生成参数选择对应计算方式： #

1. 已知生成数组的λ参数 #

如果你是自行生成的该数组，已经确定生成时传入的lam参数，直接使用该参数值就是理论期望值，无需额外计算。
示例：生成数组时用的代码是arr = np.random.poisson(lam=3, size=180)，对应的期望值就是3。 #

2. 未知λ参数，通过样本估计 #

如果没有数组的生成参数，可以用数组的样本均值作为期望值的无偏估计，实现代码如下：

import numpy as np

# 替换为你自己的(180,)形状数组
your_arr = np.random.poisson(lam=5, size=180)

# 计算样本均值得到期望估计值
expected_value = your_arr.mean()
print("估计的期望值为：", expected_value)

补充说明 #

• 180个样本的估计值和真实理论值会存在小幅误差，样本量越大估计精度越高
• 有条件的情况下优先使用生成数组时指定的lam参数获取理论精确值

内容的提问来源于stack exchange，提问作者Steven Oh