我有一个包含观测值（x，y）的表，需要估计更接近它们的泊松分布的平均值看起来R和Octave都可以在Linux上做到这一点，但我想知道是否有一种多平台的方法可以做到这一点。我可以将任何东西与程序捆绑在一起，但我不能要求安装任何东西来运行它。
我试着自己找一个算法来做，但找不到，所以我不知道该怎么做。
作为记录，我确实找到了一个简单的算法来实现它，基本上就是求所有值的和除以示例的数量，但是即使是直接从一本书中获取的一个小示例，它也失败了。
例子：
requisitions per day : absolute frequency (days) : relative frequency
8 : 2 : 0.016
9 : 4 : 0.033
10 : 6 : 0.050
11 : 8 : 0.066
12 : 10 : 0.083
13 : 12 : 0.100
14 : 13 : 0.108
15 : 14 : 0.116
16 : 12 : 0.100
17 : 10 : 0.083
18 : 9 : 0.075
19 : 7 : 0.058
20 : 5 : 0.041
21 : 3 : 0.025
22 : 2 : 0.016
23 : 2 : 0.016
24 : 1 : 0.008
泊松分布的平均值应该是15（根据我得到例子的那本书）。上面我说的方法，在其中一个答案里，给了我16个利用欧氏距离的平方和，我还发现平均值为15的泊松比平均值为16的泊松更接近数据。
最佳答案
均值的mle就是样本均值。见维基百科：
http://en.wikipedia.org/wiki/Poisson_distribution#Maximum_likelihood
只是平均你的数据向量。
更新：我正在扩展这个答案，基于刚刚添加到问题中的示例数据。
我对样本数据的解释是
reqs-per-day frequency
8 2
9 4
10 6
意思是有两天，每天的申请数是8四天的申请数是9。因此，我假设数据等于：
8,8,9,9,9,9,10,10,10,10,10,10,...
其中，此列表中的每个条目对应一天。这个单子的顺序无关紧要我认为你应该平均一下这个单子。
频率场的总和是120我认为这意味着实验总共有120天。
关于java - 泊松分布的最大似然估计？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/6025094/