Andmekogumi normaaljaotuse leidmine ei ole lihtne ülesanne; siiski saame seda teha MATLABis, kasutades fitdist() funktsiooni. Lugege seda juhendit, et saada üksikasjalikku teavet seadmega töötamise kohta normaaljaotus MATLABis, kasutades fitdist() funktsiooni.
Mis on normaaljaotus
A normaaljaotus nimetatakse ka Gaussi jaotuseks, defineeritakse kahe parameetri abil; andmepunktide keskmine ja standardhälve. Keskmine mõõdab andmeväärtuste keskmist, standardhälve aga seda, kuidas andmeväärtused jaotuvad keskmise ümber. Nii keskmise kui ka standardhälbe kombinatsiooniga saame arvutada normaaljaotus järgmisest valemist:
Kus:
- x tähistab andmekogumi väärtusi.
- f(x) tähistab tõenäosusfunktsiooni.
- m tähistab
- lk tähistab standardhälvet.
Kuidas teostada MATLABis tavalist jaotust funktsiooni fitdist() abil
MATLAB võimaldab meil arvutada normaaljaotus juhuslike muutujate arvu, kasutades sisseehitatud fitdist() funktsiooni. See funktsioon tekitab a normaalne tõenäosusjaotus objekti, sobitades antud jaotuse sisendandmetega. The normaaljaotus aktsepteerib sisendiks kahte parameetrit: standardhälvet ja keskmist. Standardse normaaljaotuse keskmine väärtus on null ja ühiku standardhälve, mis on 1. See tähendab, et normaaljaotus on tsentreeritud nullile ja jaotuste väärtused jaotatakse võrdselt mõlemale poole keskmist.
Süntaks
The fitdist() MATLABis saab kasutada erineval viisil:
pd = fitdist ( x , distnimi )
pd = fitdist ( x , distnimi , Nimi , Väärtus )
pdca , gn , gl ] = fitdist ( x , distnimi , 'Kõrval' , groupvar )
Siin:
- Funktsioon pd = fitdist(x,distname) vastutab distname pakutava jaotuse sobitamise eest veeruvektoris x sisalduvatele andmetele, et luua tõenäosusjaotuse objekt.
- Funktsioon pd = fitdist(x,distnimi,nimi,väärtus) vastutab tõenäosusjaotuse objekti loomise eest ühe või mitme nime-väärtuse paari argumendiga, mis määravad lisaparameetreid.
- Funktsioon [pdca,gn,gl] = fitdist(x,distname,'By',groupvar) vastutab distname defineeritud tõenäosusjaotuse sobitamise eest veeruvektori x andmetega, tuginedes rühmitusmuutujale groupvar, et genereerida tõenäosusjaotuse objekte. See annab tagasi sobitatud tõenäosusjaotuse objektide lahtri massiivi, mida tähistatakse kui pdca, rühmasiltide lahtri massiivi, mida tähistatakse kui gn, ja rühmitavate muutujate tasemete lahtri massiivi, mida tähistatakse kui gl.
Näide 1: normaalse jaotuse leidmine funktsiooni fitdist(x,distname) abil
See näide sobib a normaaljaotus näidisandmetele z kasutades fitdist() funktsiooni.
koormata patsienteKoos = Kaal ;
pd = fitdist ( Koos , 'Tavaline' )
Näide 2: normaalse jaotuse leidmine fitdist(x,distname,nimi,Väärtus) abil Funktsioon
Selles näites sobitame näidisandmetega Kerneli jaotuse, kasutades fitdist() funktsioon MATLABis.
koormata patsienteKoos = Kaal ;
pd = fitdist ( Koos , 'Kernel' , 'Kernel' , 'epanetšnikov' )
Näide 3: Normaaljaotuse leidmine funktsiooni fitdist(x,distname,'By',groupvar) abil
Allpool toodud MATLAB-kood sobib normaaljaotused rühmitatud andmetele, arvutab ja joonistab mõlema andmerühma pdf-i.
koormata patsienteKoos = Kaal ;
[ pdca , gn , gl ] = fitdist ( Koos , 'Tavaline' , 'Kõrval' , Sugu )
naissoost = pdca { 1 }
meessoost = pdca { 2 }
z_väärtused = 80 : 1 : 220 ;
naiste pdf = pdf ( naissoost , z_väärtused ) ;
mees pdf = pdf ( meessoost , z_väärtused ) ;
kujund
süžee ( z_väärtused , naiste pdf , 'Joone laius' , 2 )
oota
süžee ( z_väärtused , mees pdf , 'värv' , 'r' , 'Line Style' , ':' , 'Joone laius' , 2 )
legend ( gn , 'Asukoht' , 'kirde' )
hoia ära
Järeldus
Leida normaaljaotus Andmekogum on statistiline tehnika, mida kasutatakse laialdaselt masinõppes, tehisintellektis, andmeteaduses ja paljudes teistes valdkondades. Seda saab määratleda kahe parameetri abil; andmepunktide keskmine ja standardhälve. Saame andmestiku mahutada normaaljaotus objekti kasutades fitdist() funktsiooni. Selles juhendis on esitatud põhitõed normaaljaotus funktsioon ja kuidas sellega MATLABis töötada, kasutades fitdist() funktsiooni.