the Poisson probability distributio

the Poisson probability distribution, then the data follow a Poisson
probability distribution (Gupta, 1977). Here, based on the occurrences
data-set and the frequency information in Table 3 and Fig. 2,
the Pearson’s goodness-of-fit Chi-square test statistic can lead to
acceptance of the Poisson model at the 0.05 level of significance.
Under the Poisson probability model for the number of occurrences,
the mean and variance must be equal, and the mean can be
expressed by a linear equation; if the variance is larger than the
mean, the sample data is overdispersed, and if smaller it is
underdispersed. Under such circumstances, adjustments must be
made using a rescale in advance so that more accurate standard
errors of the estimated Poisson regression parameters and subsequent
p-values are obtained. Here, the estimated mean of m is the
average number of occurrences, y ¼ 2:037and the estimated
variance is 2.019 (Table 3), and the ratio of the variance over themean is 0.991, which may indicate some underdispersion. To test
for this we consider whether the Poisson variance is smaller than
its mean using Equation (1) to check whether a ¼ 0 where g (m) ¼ m2
(Cameron and Trivedi, 1998).

ผลลัพธ์ (ไทย) 1:

การแจกแจงความน่าเป็นปัวซอง แล้วข้อมูลตามปลาการกระจายความน่าเป็น (คุปตะ 1977) ที่นี่ อิงพบชุดข้อมูลและความถี่ของข้อมูลในตารางที่ 3 และรูปที่ 2สถิติทดสอบไคสแควร์ของความดีความพอดีของเพียร์สันจะนำไปสู่การยอมรับของรูปแบบปัวซองที่ 0.05 ระดับนัยสำคัญภายใต้แบบจำลองความน่าเป็นปัวซองสำหรับหมายเลขของเหตุการณ์ค่าเฉลี่ยและความแปรปรวนต้องเท่า และหมายถึงสามารถแสดง โดยสมการเป็นเชิง ถ้าผลต่างมากกว่าการหมายถึง ข้อมูลตัวอย่างคือ overdispersed และหากเล็กกว่า มันunderdispersed ภายใต้สถานการณ์ดังกล่าว การปรับปรุงต้องทำโดยใช้การ rescale ล่วงหน้าดังนั้นมาตรฐานที่ถูกต้องมากขึ้นข้อผิดพลาดพารามิเตอร์ถดถอย Poisson ประมาณ และต่อมาค่า p จะได้รับ ที่นี่ เฉลี่ยประมาณเมตรคือการเฉลี่ยจำนวนการเกิด การประมาณ y ¼ 2:037andผลต่าง 2.019 (ตาราง 3), และอัตราส่วนของความแปรปรวนมากกว่า themean 0.991 ซึ่งอาจบ่งชี้ว่า บาง underdispersion ในการทดสอบสำหรับนี้ เราพิจารณาว่า ความแปรปรวนปัวซองที่มีขนาดเล็กกว่าหมายความว่าการใช้สมการ (1) เพื่อตรวจสอบว่า¼ตำแหน่ง 0 กรัม (ม) ¼ m2(คาเมรอนและ Trivedi, 1998)

ผลลัพธ์ (ไทย) 2:

การกระจายความน่าจะเป็น Poisson แล้วข้อมูลตาม Poisson
กระจาย (Gupta, 1977) ที่นี่ขึ้นอยู่กับเหตุการณ์ที่เกิดขึ้น
ชุดข้อมูลและข้อมูลความถี่ในตารางที่ 3 และรูป 2
สถิติทดสอบของเพียร์สันคุณงามความดีของพอดี Chi-square สามารถนำไปสู่
​​การยอมรับของรูปแบบ Poisson ที่ระดับ 0.05 อย่างมีนัยสำคัญ.
ภายใต้รูปแบบความน่าจะเป็น Poisson สำหรับจำนวนของเหตุการณ์ที่เกิดขึ้นที่
ค่าเฉลี่ยและความแปรปรวนจะต้องเท่ากันและ หมายถึงสามารถ
แสดงโดยสมการเชิงเส้น; ถ้าความแปรปรวนมีขนาดใหญ่กว่า
ค่าเฉลี่ยข้อมูลตัวอย่างเป็น overdispersed และถ้ามันจะมีขนาดเล็ก
underdispersed ภายใต้สถานการณ์เช่นการปรับเปลี่ยนจะต้อง
ทำโดยใช้ rescale ล่วงหน้าเพื่อให้ได้มาตรฐานถูกต้องมากขึ้น
ข้อผิดพลาดของการประมาณค่าพารามิเตอร์การถดถอยปัวซองและต่อมา
P-ค่าที่จะได้รับ ที่นี่มีค่าเฉลี่ยประมาณเมตรเป็น
ค่าเฉลี่ยของจำนวนการเกิดขึ้น, y ¼ 2: 037and ประมาณ
ความแปรปรวนเป็น 2.019 (ตารางที่ 3) และอัตราส่วนความแปรปรวนมากกว่า themean เป็น 0.991 ซึ่งอาจบ่งบอกถึง underdispersion บาง เพื่อทดสอบ
สำหรับวันนี้เราพิจารณาว่าความแปรปรวน Poisson มีขนาดเล็กกว่า
ค่าเฉลี่ยของการใช้สมการ (1) เพื่อตรวจสอบว่ามี¼ 0 ที่ g (M) ¼ m2
(คาเมรอนและ Trivedi, 1998)

ผลลัพธ์ (ไทย) 3:

โดยการแจกแจงปัวซงแล้วข้อมูลตามพารามิเตอร์การแจกแจงความน่าจะเป็น ( Gupta , 1977 ) ที่นี่ บนพื้นฐานของเหตุการณ์ชุดข้อมูลและความถี่ข้อมูลในตารางที่ 3 และรูปที่ 2เพียร์สันเป็นพระเจ้าของสถิติทดสอบไคสแควร์สามารถนําไปพอดีการยอมรับของปัวซงรูปแบบอย่างมีนัยสำคัญทางสถิติที่ระดับ 0.05ภายใต้แบบจำลองความน่าจะเป็นสำหรับจำนวนของพารามิเตอร์ที่เกิดขึ้นค่าเฉลี่ยและความแปรปรวนต้องเท่ากัน และหมายถึง สามารถแสดงโดยสมการเชิงเส้น ถ้าความแปรปรวนมันมากกว่าหมายถึง มีข้อมูลตัวอย่าง overdispersed และถ้าเล็กมันคือunderdispersed . ภายใต้สถานการณ์ดังกล่าว การปรับต้องทำให้การใช้ rescale ล่วงหน้าเพื่อให้ถูกต้องมากกว่ามาตรฐานข้อผิดพลาดของการประมาณพารามิเตอร์ปัวซงและต่อp-values จะรับ มา ซึ่งหมายความว่าของ M คือจำนวนเฉลี่ยของการเกิด , Y ¼ 2:037and โดยประมาณความแปรปรวนเป็น 2.019 ( ตารางที่ 3 ) และอัตราส่วนของความแปรปรวนมากกว่าค่าเฉลี่ยคือ 0.991 ซึ่งอาจบ่งชี้บาง underdispersion . เพื่อทดสอบให้เราพิจารณาว่า ความแปรปรวนมีขนาดเล็กกว่าปัวส์ซองหมายถึงการใช้สมการ ( 1 ) เพื่อตรวจสอบว่า¼ 0 ที่กรัม ( M ) ¼ตารางเมตร( คาเมรอน และ ตริเวดี , 1998 )