现实中的数据常会出现"超散布性"和"超聚集性"现象,分布假定的错误会导致模型不合理甚至得出错误的结论。本文着重于一类典型的"超聚集性"问题——泊松低方差的讨论,着眼于两种主要的解决方法——加权泊松分布模型和纯生过程分布模型,并在Faddy的CBR分析实例基础上进一步比较标准泊松模型与这两种模型在分布拟合效果及检验效果上的差异,强调面对"超聚集性"数据时选择正确分布的重要性。
科研之友
微信
新浪微博
Facebook
分享链接
