Tietojoukon normaalijakauman löytäminen ei ole helppo tehtävä; voimme kuitenkin suorittaa sen MATLABissa käyttämällä fitdist() toiminto. Lue tämä opas saadaksesi lisätietoja työskentelystä normaalijakauma MATLABissa käyttämällä fitdist() toiminto.
Mikä on normaalijakauma
A normaalijakauma jota kutsutaan myös Gaussin jakaumaksi, määritellään käyttämällä kahta parametria; arvopisteiden keskiarvo ja keskihajonta. Keskiarvo mittaa data-arvojen keskiarvoa, kun taas keskihajonta mittaa data-arvojen jakautumista keskiarvon ympärille. Sekä keskimääräisen että keskihajonnan yhdistelmällä voimme laskea normaalijakauma seuraavasta kaavasta:
Missä:
- x edustaa tietojoukon arvoja.
- f(x) edustaa todennäköisyysfunktiota.
- m tarkoittaa
- s tarkoittaa keskihajontaa.
Normaalin jakelun suorittaminen MATLABissa käyttämällä fitdist()-funktiota
MATLAB antaa meille mahdollisuuden laskea normaalijakauma satunnaismuuttujia käyttämällä sisäänrakennettua fitdist() toiminto. Tämä toiminto tuottaa a normaali todennäköisyysjakauma objekti sovittamalla annettu jakauma syöttötietoihin. The normaalijakauma hyväksyy kaksi parametria syötteeksi: keskihajonnan sekä keskiarvon. Normaalijakauman keskiarvo on nolla sekä yksikkökeskihajonta, joka on 1. Tämä tarkoittaa, että normaalijakauma on keskitetty nollaan ja jakaumien arvot jakautuvat tasaisesti keskiarvon molemmille puolille.
Syntaksi
The fitdist() MATLABissa voidaan käyttää eri tavoin:
pd = fitdist ( x , distname )
pd = fitdist ( x , distname , Nimi , Arvo )
pdca , gn , gl ] = fitdist ( x , distname , 'mennyt' , groupvar )
Tässä:
- Toiminto pd = fitdist(x,distname) on vastuussa distname:n tarjoaman jakauman sovittamisesta sarakevektorin x sisältämiin tietoihin todennäköisyysjakaumaobjektin tuottamiseksi.
- Toiminto pd = fitdist(x,distname,nimi,arvo) on vastuussa todennäköisyysjakaumaobjektin rakentamisesta yhdellä tai useammalla nimi-arvo-pariargumentilla, joka määrittää lisäparametreja.
- Toiminto [pdca,gn,gl] = fitdist(x,distname,'By',groupvar) vastaa distname:n määrittämän todennäköisyysjakauman sovittamisesta sarakevektorin x tietoihin ryhmittelymuuttujan groupvar perusteella todennäköisyysjakaumaobjektien luomiseksi. Se antaa takaisin solutaulukon sovitetuista todennäköisyysjakaumaobjekteista, joita kutsutaan nimellä pdca, ryhmätunnisteiden solutaulukon, jota kutsutaan nimellä gn, ja ryhmittelymuuttujatasojen solutaulukon, jota kutsutaan nimellä gl.
Esimerkki 1: Normaalijakauman löytäminen fitdist(x,distname)-funktion avulla
Tämä esimerkki sopii a normaalijakauma näytetietoihin z käyttämällä fitdist() toiminto.
kuormittaa potilaitaKanssa = Paino ;
pd = fitdist ( Kanssa , 'normaali' )
Esimerkki 2: Normaalin jakautumisen löytäminen käyttämällä fitdist(x,distname,name,value) Toiminto
Tässä esimerkissä sovitamme ydinjakauman näytetietoihin käyttämällä fitdist() toiminto MATLABissa.
kuormittaa potilaitaKanssa = Paino ;
pd = fitdist ( Kanssa , 'Ydin' , 'Ydin' , 'epanetšnikov' )
Esimerkki 3: Normaalijakauman löytäminen fitdist(x,distname,'By',groupvar) -funktiolla
Alla oleva MATLAB-koodi sopii normaalijakaumia ryhmiteltyihin tietoihin, laskee ja piirtää molempien tietoryhmien pdf-tiedoston.
kuormittaa potilaitaKanssa = Paino ;
[ pdca , gn , gl ] = fitdist ( Kanssa , 'normaali' , 'mennyt' , Sukupuoli )
Nainen = pdca { 1 }
Uros = pdca { 2 }
z_arvot = 80 : 1 : 220 ;
nainen pdf = pdf ( Nainen , z_arvot ) ;
mies pdf = pdf ( Uros , z_arvot ) ;
kuva
juoni ( z_arvot , nainen pdf , 'Viivan leveys' , 2 )
pidä kiinni
juoni ( z_arvot , mies pdf , 'Väri' , 'r' , 'LineStyle' , ':' , 'Viivan leveys' , 2 )
legenda ( gn , 'Sijainti' , 'Koillinen' )
pitää loitolla
Johtopäätös
Löytäminen normaalijakauma tietojoukosta on tilastotekniikka, jota käytetään laajasti koneoppimisessa, tekoälyssä, datatieteessä ja monilla muilla aloilla. Se voidaan määrittää kahdella parametrilla; arvopisteiden keskihajonnan ja keskihajonnan. Voimme sovittaa tietojoukon normaalijakauma objektia käyttämällä fitdist() toiminto. Tämä opas on antanut perusasiat normaalijakauma toiminto ja kuinka sen kanssa työskennellään MATLABissa käyttämällä fitdist() toiminto.