据我所知，对于 * 来说，实际上并没有一个关键量，尽管如果不小，则可以构造近似的关键量。（我包括以防万一你有来自同一个泊松的多个观察值。在许多情况下，你只会有一个计数。从这里我将只引用和，就好像我们使用单个 .)$\lambda$$n\lambda$$n$$X$$\lambda$$X$

*然而，这并不是说什么都做不了。您可以从泊松和卡方之间的关系的区间（参见本节末尾）。不过，我不能说它是关键。$\lambda$

例如，是近似正态的，具有几乎恒定的方差（这与 Poisson 的Anscombe 变换有关），因此可以用来构造一个近似的关键量（通过减去它的意思是例如）； - Freeman-Tukey - 是另一个类似的选择，您可以从中获得大约关键的数量。（实际上，这里的置信区间正是依赖于这种方法）$\sqrt{X+\frac{3}{8}}$$\sqrt{X}+\sqrt{X+1}$

我记得，有些论文给出了其他数量 - 如果我记得我在哪里看到这些，我会添加参考。

对于较大值，更简单的可以用作近似关键量。$\lambda$$\frac{X-\lambda}{\sqrt \lambda}$

但是对于小的（更一般地小），真的没有什么可以做的——我不认为你得到参数的函数和分布不依赖于参数的数据。例如，如果您的下降了大约 0.5 或 1 或 2，那么您实际上无能为力...... 0、1 和 2 处的大尖峰与的相对概率发生显着变化，并且不会发生任何转换改变那个。$\lambda$$n\lambda$$\lambda$$\lambda$