Trobar una distribució normal d'un conjunt de dades no és una tasca fàcil; tanmateix, podem fer-ho a MATLAB utilitzant el fitdist() funció. Llegiu aquesta guia per obtenir informació detallada sobre com treballar amb el distribució normal a MATLAB utilitzant el fitdist() funció.
Què és la distribució normal
A distribució normal també anomenada distribució gaussiana es defineix mitjançant dos paràmetres; mitjana i desviació estàndard dels punts de dades. La mitjana mesura la mitjana dels valors de les dades, mentre que la desviació estàndard mesura com es distribueixen els valors de les dades al voltant de la mitjana. Amb la combinació de la mitjana i la desviació estàndard, podem calcular distribució normal a partir de la fórmula següent:
On:
- x representa els valors del conjunt de dades.
- f(x) representa la funció de probabilitat.
- m denota la
- pàg indica la desviació estàndard.
Com realitzar una distribució normal a MATLAB utilitzant la funció fitdist().
MATLAB ens permet calcular distribució normal de variables aleatòries utilitzant el sistema integrat fitdist() funció. Aquesta funció produeix a distribució de probabilitat normal objecte ajustant la distribució donada a les dades d'entrada. El distribució normal accepta dos paràmetres com a entrada: la desviació estàndard i la mitjana. Una distribució normal estàndard té un valor mitjà zero així com una desviació estàndard unitària que és 1. Això vol dir que el distribució normal està centrat en zero i els valors de les distribucions es distribueixen per igual a ambdós costats de la mitjana.
Sintaxi
El fitdist() a MATLAB es pot utilitzar de diferents maneres:
pd = fitdist ( x , disnom )
pd = fitdist ( x , disnom , Nom , Valor )
pdca , gn , gl ] = fitdist ( x , disnom , 'Per' , grupvar )
Aquí:
- La funció pd = fitdist(x,distname) s'encarrega d'ajustar la distribució proporcionada per distname a les dades contingudes en el vector columna x per produir un objecte de distribució de probabilitat.
- La funció pd = fitdist(x,distname,Nom,Valor) s'encarrega de construir l'objecte de distribució de probabilitat amb un o més arguments de parella nom-valor que especifiquen paràmetres addicionals.
- La funció [pdca,gn,gl] = fitdist(x,distname,'Per',groupvar) s'encarrega d'ajustar la distribució de probabilitat definida per distname a les dades del vector columna x basant-se en la variable d'agrupació groupvar per generar objectes de distribució de probabilitat. Retorna una matriu de cel·les d'objectes de distribució de probabilitat ajustats, denotada com a pdca, una matriu de cel·les d'etiquetes de grup, denotada com a gn, i una matriu de cel·les de nivells variables d'agrupació, denotada com a gl.
Exemple 1: Com trobar una distribució normal utilitzant la funció fitdist(x,distname).
Aquest exemple s'adapta a a distribució normal a les dades de mostra z utilitzant el fitdist() funció.
carregar pacientsAmb = Pes ;
pd = fitdist ( Amb , 'Normal' )
Exemple 2: Com trobar una distribució normal amb fitdist(x,distname,Name,Value) Funció
En aquest exemple, adaptarem una distribució del nucli a les dades d'exemple mitjançant l' fitdist() funció a MATLAB.
carregar pacientsAmb = Pes ;
pd = fitdist ( Amb , 'Nucli' , 'Nucli' , 'epanechnikov' )
Exemple 3: Com trobar una distribució normal utilitzant la funció fitdist(x,distname,'By',groupvar)
El codi MATLAB que es mostra a continuació s'adapta distribucions normals a les dades agrupades, calcula i representa el pdf d'ambdós grups de dades.
carregar pacientsAmb = Pes ;
[ pdca , gn , gl ] = fitdist ( Amb , 'Normal' , 'Per' , Gènere )
femella = pdca { 1 }
mascle = pdca { 2 }
valors_z = 80 : 1 : 220 ;
pdf femení = pdf ( femella , valors_z ) ;
malepdf = pdf ( mascle , valors_z ) ;
figura
parcel · la ( valors_z , pdf femení , 'Ample de línia' , 2 )
espera
parcel · la ( valors_z , malepdf , 'Color' , 'r' , 'Estil de línia' , ':' , 'Ample de línia' , 2 )
llegenda ( gn , 'Ubicació' , 'Nord-est' )
mantenir-se a distancia
Conclusió
Trobant el distribució normal d'un conjunt de dades és una tècnica estadística que s'utilitza àmpliament en aprenentatge automàtic, intel·ligència artificial, ciència de dades i molts altres camps. Es pot definir mitjançant dos paràmetres; la mitjana i la desviació estàndard dels punts de dades. Podem ajustar el conjunt de dades al distribució normal objecte utilitzant el fitdist() funció. Aquesta guia ha proporcionat els fonaments bàsics del distribució normal funció i com treballar-hi a MATLAB mitjançant la funció fitdist() funció.