我试图对事件的时间戳进行建模,这些时间戳通常符合泊松过程,其中均值=方差。我已经使用下面的代码实现了这一点,它从一个指数(时间间隔计数是泊松指数)采样,它似乎工作得相当好
def GenerateTimes(self):
intervals = [random.expovariate(self.CountsPerSecond) for i in range(self.nDataPoints)]
timeStamps = [0.0]
timeStamp = 0.0
for t in intervals:
timeStamp += t
timeStamps.append(timeStamp)
self.timeStamps = timeStamps
我现在想建立一个非常相似的过程模型,并包括一定程度的过度分散,即方差>;中庸。有关过度分散的完整解释,请参见 this page。本质上,我想在时间戳中包含一定程度的“聚集”或“聚集”
理想情况下,我希望平均值与纯泊松过程相同,但标准差要增加一个乘数,即1.5 x sigma,2 x sigma等。有什么建议吗
谢谢
我想你要找的是考克斯点过程:https://en.wikipedia.org/wiki/Point_processhttps://en.wikipedia.org/wiki/Cox_process
在考克斯点过程中,存在着事件的聚集,因此比泊松点过程的方差更大
相关问题 更多 >
编程相关推荐