离散拟合分布的统计详细信息（传统图形）
本节包含“离散拟合”菜单中的选项的统计详细信息。
注意：在 JMP 15 中更新了分布拟合的一些功能。本节详细介绍了以往 JMP 版本中为兼容目的而保留的旧功能。通过在变量的红色小三角菜单中选择连续拟合 > 启用传统拟合器，可以使用这些功能。
Poisson
有关 Poisson 分布拟合的详细信息，请参见拟合 Poisson。
Gamma Poisson
该分布对于以下情况很有用：数据是多个 Poisson(μ) 分布的组合，每个 Poisson(μ) 分布都具有不同的 μ。从多个十字路口组合而来的事故总数就是这样的例子，此时事故数均值 (μ) 在不同十字路口之间是不同的。
Gamma Poisson 分布的假设前提是：x|μ 服从 Poisson 分布，μ 服从 Gamma(α,τ) 分布。Gamma Poisson 包含参数 λ = ατ 和 σ = τ+1。参数 σ 是一个离散参数。若 σ > 1，则出现过度离散，这意味着 x 的变异比 Poisson 分布本身所解释的要大。若 σ = 1，x 将简化为 Poisson(λ)。
pmf: 
0 < λ; 1 ≤ σ; x = 0,1,2,...
E(x) = λ
Var(x) = λσ
其中，Γ(·) 是 Gamma 函数。
请记住 x|μ ~ Poisson(μ)，同时 μ~ Gamma(α,τ)。该平台估计 λ = ατ 和 σ = τ+1。要得到 α 和 τ 的估计值，请使用以下公式：
若 σ 的估计值为 1，则该公式无效。在这种情况下，Gamma Poisson 简化为 Poisson(λ)，而且 
是 λ 的估计值。
若 α 的估计值为整数，则 Gamma Poisson 等价于负二项分布，pmf 如下：
对于 0 ≤ y
r = α，(1-p)/p = τ
运行 JMP Samples/Scripts 文件夹中的 demoGammaPoisson.jsl，比较带有参数 λ 和 σ 的 Gamma Poisson 分布与带有参数 λ 的 Poisson 分布。
二项
有关二项分布拟合的详细信息，请参见拟合二项。
Beta 二项
有关 beta 二项分布拟合的详细信息，请参见拟合 Beta 二项。