Nájsť normálne rozdelenie súboru údajov nie je ľahká úloha; môžeme to však vykonať v MATLABE pomocou fitdist() funkciu. Prečítajte si túto príručku, kde sa dozviete podrobnosti o práci s normálne rozdelenie v MATLABE pomocou fitdist() funkciu.
Čo je normálne rozdelenie
A normálne rozdelenie tiež nazývané Gaussovo rozdelenie je definované pomocou dvoch parametrov; priemer a štandardná odchýlka údajových bodov. Priemer meria priemer hodnôt údajov, zatiaľ čo štandardná odchýlka meria, ako sú hodnoty údajov rozložené okolo priemeru. S kombináciou strednej a štandardnej odchýlky môžeme vypočítať normálne rozdelenie z nasledujúceho vzorca:
Kde:
- X predstavuje hodnoty množiny údajov.
- f(x) predstavuje pravdepodobnostnú funkciu.
- m označuje
- p označuje smerodajnú odchýlku.
Ako vykonať normálne rozloženie v MATLAB pomocou funkcie fitdist().
MATLAB nám umožňuje vypočítať normálne rozdelenie náhodných premenných pomocou vstavaného fitdist() funkciu. Táto funkcia vytvára a normálne rozdelenie pravdepodobnosti objekt prispôsobením daného rozdelenia na vstupné dáta. The normálne rozdelenie akceptuje ako vstup dva parametre: štandardnú odchýlku, ako aj priemer. Štandardné normálne rozdelenie má nulovú strednú hodnotu, ako aj jednotkovú smerodajnú odchýlku, ktorá je 1. To znamená, že normálne rozdelenie je vycentrovaný na nulu a hodnoty rozdelenia sú rovnomerne rozložené na obe strany priemeru.
Syntax
The fitdist() v MATLAB sa dá použiť rôznymi spôsobmi:
pd = fitdista ( X , distname )
pd = fitdista ( X , distname , názov , Hodnota )
pdca , gn , gl ] = fitdista ( X , distname , 'od' , groupvar )
Tu:
- Funkcia pd = fitdist(x,distname) je zodpovedný za prispôsobenie rozdelenia poskytnutého distname údajom obsiahnutým v stĺpcovom vektore x na vytvorenie objektu rozdelenia pravdepodobnosti.
- Funkcia pd = fitdist(x,meno,meno,hodnota) je zodpovedný za vytvorenie objektu rozdelenia pravdepodobnosti s jedným alebo viacerými argumentmi páru názov-hodnota, ktoré špecifikujú extra parametre.
- Funkcia [pdca,gn,gl] = fitdist(x,distname,‘Od‘,groupvar) je zodpovedný za prispôsobenie rozdelenia pravdepodobnosti definovaného distname údajom v stĺpcovom vektore x na základe premennej zoskupenia groupvar na generovanie objektov rozdelenia pravdepodobnosti. Vracia bunkové pole prispôsobených objektov distribúcie pravdepodobnosti, označené ako pdca, bunkové pole skupinových štítkov, označené ako gn, a bunkové pole úrovní premenných zoskupení, označené ako gl.
Príklad 1: Ako nájsť normálne rozdelenie pomocou funkcie fitdist(x,distname).
Tento príklad sa hodí a normálne rozdelenie k vzorovým údajom z pomocou fitdist() funkciu.
zaťažovať pacientovs = Hmotnosť ;
pd = fitdista ( s , 'normálne' )
Príklad 2: Ako nájsť normálnu distribúciu pomocou fitdist(x,distname,Name,Value) Funkcia
V tomto príklade prispôsobíme distribúciu jadra vzorovým údajom pomocou fitdist() funkcie v MATLABE.
zaťažovať pacientovs = Hmotnosť ;
pd = fitdista ( s , 'kernel' , 'kernel' , 'epanechnikov' )
Príklad 3: Ako nájsť normálne rozdelenie pomocou funkcie fitdist(x,distname,‘By‘,groupvar)
Nižšie uvedený kód MATLABu sa hodí normálne distribúcie na zoskupené údaje, vypočíta a vykreslí pdf oboch skupín údajov.
zaťažovať pacientovs = Hmotnosť ;
[ pdca , gn , gl ] = fitdista ( s , 'normálne' , 'od' , rod )
Žena = pdca { 1 }
Muž = pdca { 2 }
z_hodnoty = 80 : 1 : 220 ;
ženapdf = pdf ( Žena , z_hodnoty ) ;
malepdf = pdf ( Muž , z_hodnoty ) ;
obrázok
zápletka ( z_hodnoty , ženapdf , 'Šírka čiary' , 2 )
Počkaj
zápletka ( z_hodnoty , malepdf , 'Farba' , 'r' , 'LineStyle' , ':' , 'Šírka čiary' , 2 )
legenda ( gn , 'miesto' , 'severovýchod' )
zdržať sa
Záver
Nájdenie normálne rozdelenie množiny údajov je štatistická technika, ktorá sa široko používa v strojovom učení, umelej inteligencii, vede o údajoch a mnohých ďalších oblastiach. Môže byť definovaný pomocou dvoch parametrov; priemer, ako aj štandardná odchýlka údajových bodov. Súbor údajov môžeme umiestniť do normálne rozdelenie objekt pomocou fitdist() funkciu. Táto príručka poskytuje základy normálne rozdelenie a ako s ňou pracovať v MATLABE pomocou funkcie fitdist() funkciu.