Trovare una distribuzione normale di un set di dati non è un compito facile; tuttavia, possiamo eseguirlo in MATLAB utilizzando il file fitdist() funzione. Leggi questa guida per apprendere in dettaglio come lavorare con distribuzione normale in MATLAB utilizzando il file fitdist() funzione.
Cos'è la distribuzione normale
UN distribuzione normale detta anche distribuzione gaussiana è definita utilizzando due parametri; media e deviazione standard dei dati. La media misura la media dei valori dei dati, mentre la deviazione standard misura il modo in cui i valori dei dati sono distribuiti attorno alla media. Con la combinazione della media e della deviazione standard, possiamo calcolare distribuzione normale dalla seguente formula:
Dove:
- X rappresenta i valori del set di dati.
- f(x) rappresenta la funzione di probabilità.
- M denota il
- P indica la deviazione standard.
Come eseguire la distribuzione normale in MATLAB utilizzando la funzione fitdist()
MATLAB ci consente di calcolare il distribuzione normale di variabili casuali utilizzando il built-in fitdist() funzione. Questa funzione produce a distribuzione di probabilità normale oggetto adattando la distribuzione data ai dati di input. IL distribuzione normale accetta due parametri come input: la deviazione standard e la media. Una distribuzione normale standard ha un valore medio pari a zero e una deviazione standard unitaria pari a 1. Ciò significa che distribuzione normale è centrato a zero e i valori delle distribuzioni sono distribuiti equamente su entrambi i lati della media.
Sintassi
IL fitdist() in MATLAB può essere utilizzato in diversi modi:
pd = fitdist ( X , distnome )
pd = fitdist ( X , distnome , Nome , Valore )
pdca , Gn , gl ] = fitdist ( X , distnome , 'Di' , gruppovar )
Qui:
- La funzione pd = fitdist(x,distname) è responsabile dell'adattamento della distribuzione fornita da distname ai dati contenuti nel vettore colonna x per produrre un oggetto di distribuzione di probabilità.
- La funzione pd = fitdist(x,distname,Nome,Valore) è responsabile della creazione dell'oggetto distribuzione di probabilità con uno o più argomenti di coppia nome-valore che specificano parametri aggiuntivi.
- La funzione [pdca,gn,gl] = fitdist(x,distname,'By',groupvar) è responsabile dell'adattamento della distribuzione di probabilità definita da distname ai dati nel vettore colonna x in base alla variabile di raggruppamento groupvar per generare oggetti di distribuzione di probabilità. Restituisce un array di celle di oggetti di distribuzione di probabilità adattati, indicato come pdca, un array di celle di etichette di gruppo, indicato come gn, e un array di celle di raggruppamento di livelli variabili, indicato come gl.
Esempio 1: come trovare la distribuzione normale utilizzando la funzione fitdist(x,distname).
Questo esempio si adatta a distribuzione normale ai dati campione z utilizzando il file fitdist() funzione.
caricare i pazientiCon = Peso ;
pd = fitdist ( Con , 'Normale' )
Esempio 2: come trovare la distribuzione normale utilizzando fitdist(x,distname,Name,Value) Funzione
In questo esempio, adatteremo una distribuzione kernel ai dati di esempio utilizzando il file fitdist() funzione in MATLAB.
caricare i pazientiCon = Peso ;
pd = fitdist ( Con , 'nocciolo' , 'nocciolo' , 'epanečnikov' )
Esempio 3: come trovare la distribuzione normale utilizzando la funzione fitdist(x,distname,'By',groupvar)
Il codice MATLAB indicato di seguito è adatto distribuzioni normali per raggruppare i dati, calcola e traccia il pdf di entrambi i gruppi di dati.
caricare i pazientiCon = Peso ;
[ pdca , Gn , gl ] = fitdist ( Con , 'Normale' , 'Di' , Genere )
femmina = pdca { 1 }
maschio = pdca { 2 }
valori_z = 80 : 1 : 220 ;
femminapdf = PDF ( femmina , valori_z ) ;
malepdf = PDF ( maschio , valori_z ) ;
figura
complotto ( valori_z , femminapdf , 'Larghezza della linea' , 2 )
aspettare
complotto ( valori_z , malepdf , 'Colore' , 'R' , 'Stile linea' , ':' , 'Larghezza della linea' , 2 )
leggenda ( Gn , 'Posizione' , 'Nord-Est' )
tenere a bada
Conclusione
Trovare il distribuzione normale di un set di dati è una tecnica statistica ampiamente utilizzata nell'apprendimento automatico, nell'intelligenza artificiale, nella scienza dei dati e in molti altri campi. Può essere definito utilizzando due parametri; media e deviazione standard dei punti dati. Possiamo adattare il set di dati nel file distribuzione normale oggetto utilizzando il fitdist() funzione. Questa guida ha fornito le basi del distribuzione normale funzione e come lavorarci in MATLAB utilizzando il file fitdist() funzione.