A의 슬라이드 프리젠 테이션 , 및에 Karlis Ntzoufras이 분포로서 이변 포아송 정의 여기서 독립적 유무 포아송 분포. 그러한 분배 수단을 갖는 것은(X,Y)=(X1+X0,X2+X0)Xiθi
Pr(Xi=k)=e−θiθkik!
위한k=0,1,2,….
이벤트 는 이벤트의 분리 된 결합입니다.(X,Y)=(x,y)
(X0,X1,X2)=(i,x−i,y−i)
세 가지 구성 요소를 모두 음이 아닌 정수로 만드는 모든 에 대해 추론 할 수 있습니다 . 는 독립적 이므로 확률이 곱해집니다.i0≤i≤min(x,y)Xi
F(θ0,θ1,θ2)(x,y)=Pr((X,Y)=(x,y))=∑i=0min(x,y)Pr(X0=i)Pr(X1=x−i)Pr(X2=y−i).
이것은 공식입니다. 우리는 끝났습니다. 그러나 그것이 문제의 공식과 동등한 지 확인하려면 Poisson 분포의 정의를 사용하여 이러한 확률을 매개 변수 및 ( 중 어느 것도 0이 가정)와 대수적으로 재 작업하십시오. 가능한만큼보고 싶은 제품 :θiθ1,θ2Pr(X1=x)Pr(X2=y)
F(θ0,θ1,θ2)(x,y)=∑i=0min(x,y)(e−θ0θi0i!)(e−θ1θx−i1(x−i)!)(e−θ2θy−i2(y−i)!)=e−(θ1+θ2)θx1x!θy2y!(e−θ0∑i=0min(x,y)θi0i!x!θ−i1(x−i)!y!θ−i2(y−i)!).
이항 계수 및 사용하여 합계로 항을 다시 표현할 수 있습니다 , 산출량(xi)=x!/((x−i)!i!)(yi)
F(θ0,θ1,θ2)(x,y)=e−(θ0+θ1+θ2)θx1x!θy2y!∑i=0min(x,y)i!(xi)(yi)(θ0θ1θ2)i,
정확히 질문에서와 같습니다.
다변량 시나리오에 대한 일반화는 필요한 유연성에 따라 여러 가지 방법으로 진행될 수 있습니다. 가장 간단한 것은
(X1+X0,X2+X0,…,Xd+X0)
독립 포아송 분포 변수 입니다. 유연성을 높이기 위해 추가 변수를 도입 할 수 있습니다. 예를 들어 독립 Poisson 변수 를 사용하고 , 의 다변량 분포를 고려하십시오X0,X1,…,XdηiY1,…,YdXi+(Yi+Yi+1+⋯+Yd)i=1,2,…,d.