Datu kopas normāla sadalījuma atrašana nav viegls uzdevums; tomēr mēs to varam veikt programmā MATLAB, izmantojot fitdist() funkciju. Izlasiet šo rokasgrāmatu, lai uzzinātu vairāk par darbu ar normālais sadalījums programmā MATLAB, izmantojot fitdist() funkciju.
Kas ir normāls sadalījums
A normālais sadalījums saukts arī par Gausa sadalījumu, tiek definēts, izmantojot divus parametrus; datu punktu vidējā un standarta novirze. Vidējā vērtība mēra datu vērtību vidējo vērtību, savukārt standarta novirze mēra, kā datu vērtības ir sadalītas ap vidējo. Izmantojot gan vidējo, gan standarta novirzi, mēs varam aprēķināt normālais sadalījums no šādas formulas:
Kur:
- x apzīmē datu kopas vērtības.
- f(x) apzīmē varbūtības funkciju.
- m apzīmē
- lpp apzīmē standarta novirzi.
Kā veikt normālu izplatīšanu programmā MATLAB, izmantojot funkciju fitdist().
MATLAB ļauj mums aprēķināt normālais sadalījums nejaušo mainīgo, izmantojot iebūvēto fitdist() funkciju. Šī funkcija rada a normāls varbūtības sadalījums objektu, iestrādājot ievades datiem doto sadalījumu. The normālais sadalījums pieņem divus parametrus kā ievadi: standarta novirzi, kā arī vidējo. Standarta normālajam sadalījumam ir nulles vidējā vērtība, kā arī vienības standarta novirze, kas ir 1. Tas nozīmē, ka normālais sadalījums ir centrēts uz nulli, un sadalījumu vērtības ir vienādi sadalītas abās vidējās vērtības pusēs.
Sintakse
The fitdist() MATLAB var izmantot dažādos veidos:
pd = fitdist ( x , distname )
pd = fitdist ( x , distname , Vārds , Vērtība )
pdca , gn , gl ] = fitdist ( x , distname , 'Pēc' , groupvar )
Šeit:
- Funkcija pd = fitdist(x,distname) ir atbildīgs par distname sniegtā sadalījuma pielāgošanu datiem, kas ietverti kolonnas vektorā x, lai izveidotu varbūtības sadalījuma objektu.
- Funkcija pd = fitdist(x,distname,nosaukums,vērtība) ir atbildīgs par varbūtības sadalījuma objekta izveidi ar vienu vai vairākiem nosaukuma-vērtības pāra argumentiem, kas norāda papildu parametrus.
- Funkcija [pdca,gn,gl] = fitdist(x,distname,'By',groupvar) ir atbildīgs par ar distname definētā varbūtības sadalījuma pielāgošanu datiem kolonnas vektorā x, pamatojoties uz grupēšanas mainīgo groupvar, lai ģenerētu varbūtības sadalījuma objektus. Tas nodrošina pielāgotu varbūtības sadalījuma objektu šūnu masīvu, kas apzīmēts kā pdca, grupu etiķešu šūnu masīvu, kas apzīmēts kā gn, un grupēšanas mainīgo līmeņu šūnu masīvu, kas apzīmēts kā gl.
1. piemērs. Kā atrast normālu sadalījumu, izmantojot funkciju fitdist(x,distname).
Šis piemērs atbilst a normālais sadalījums uz izlases datiem z, izmantojot fitdist() funkciju.
noslogot pacientusAr = Svars ;
pd = fitdist ( Ar , 'normāls' )
2. piemērs. Kā atrast normālu sadalījumu, izmantojot fitdist(x,distname,name,value) Funkcija
Šajā piemērā mēs iekļausim kodola sadalījumu parauga datiem, izmantojot fitdist() funkcija MATLAB.
noslogot pacientusAr = Svars ;
pd = fitdist ( Ar , 'Kodols' , 'Kodols' , 'epaņečņikovs' )
3. piemērs. Kā atrast normālu sadalījumu, izmantojot funkciju fitdist(x,distname,'By',groupvar)
Tālāk norādītais MATLAB kods ir piemērots normālie sadalījumi grupētiem datiem, aprēķina un attēlo abu datu grupu pdf.
noslogot pacientusAr = Svars ;
[ pdca , gn , gl ] = fitdist ( Ar , 'normāls' , 'Pēc' , Dzimums )
sieviete = pdca { 1 }
vīrietis = pdca { 2 }
z_vērtības = 80 : 1 : 220 ;
sievietepdf = pdf ( sieviete , z_vērtības ) ;
vīriešu pdf = pdf ( vīrietis , z_vērtības ) ;
figūra
sižetu ( z_vērtības , sievietepdf , 'LineWidth' , 2 )
uzgaidi
sižetu ( z_vērtības , vīriešu pdf , 'Krāsa' , 'r' , 'LineStyle' , ':' , 'LineWidth' , 2 )
leģenda ( gn , 'Atrašanās vieta' , 'ziemeļaaustrumi' )
turies
Secinājums
Meklējot normālais sadalījums Datu kopa ir statistikas metode, ko plaši izmanto mašīnmācībā, mākslīgajā intelektā, datu zinātnē un daudzās citās jomās. To var definēt, izmantojot divus parametrus; datu punktu vidējā, kā arī standarta novirze. Mēs varam ievietot datu kopu normālais sadalījums objekts, izmantojot fitdist() funkciju. Šajā rokasgrāmatā ir sniegti pamati normālais sadalījums funkcija un kā ar to strādāt programmā MATLAB, izmantojot fitdist() funkciju.