Eine Normalverteilung eines Datensatzes zu finden ist keine leichte Aufgabe; Wir können es jedoch in MATLAB mit dem ausführen fitdist() Funktion. Lesen Sie diesen Leitfaden, um mehr über die Arbeit mit dem zu erfahren Normalverteilung in MATLAB mit dem fitdist() Funktion.
Was ist Normalverteilung?
A Normalverteilung auch Gaußsche Verteilung genannt, wird mithilfe von zwei Parametern definiert; Mittelwert und Standardabweichung der Datenpunkte. Der Mittelwert misst den Durchschnitt der Datenwerte, während die Standardabweichung misst, wie sich die Datenwerte um den Mittelwert verteilen. Mit der Kombination aus Mittelwert und Standardabweichung können wir berechnen Normalverteilung aus der folgenden Formel:
Wo:
- X stellt Datensatzwerte dar.
- f(x) stellt die Wahrscheinlichkeitsfunktion dar.
- M bezeichnet die
- P bezeichnet die Standardabweichung.
So führen Sie eine Normalverteilung in MATLAB mit der Funktion fitdist() durch
Mit MATLAB können wir das berechnen Normalverteilung von Zufallsvariablen mithilfe der integrierten Funktion fitdist() Funktion. Diese Funktion erzeugt eine normale Wahrscheinlichkeitsverteilung Objekt durch Anpassen der gegebenen Verteilung an die Eingabedaten. Der Normalverteilung akzeptiert zwei Parameter als Eingabe: die Standardabweichung sowie den Mittelwert. Eine Standardnormalverteilung hat einen Mittelwert von Null sowie eine Einheitsstandardabweichung von 1. Dies bedeutet, dass die Normalverteilung ist bei Null zentriert und die Werte der Verteilungen sind auf beiden Seiten des Mittelwerts gleichmäßig verteilt.
Syntax
Der fitdist() in MATLAB kann auf unterschiedliche Weise verwendet werden:
pd = fitdist ( X , distname )
pd = fitdist ( X , distname , Name , Wert )
pdca , gn , gl ] = fitdist ( X , distname , 'Von' , Gruppenvar )
Hier:
- Die Funktion pd = fitdist(x,distname) ist dafür verantwortlich, die von distname bereitgestellte Verteilung an die im Spaltenvektor x enthaltenen Daten anzupassen, um ein Wahrscheinlichkeitsverteilungsobjekt zu erstellen.
- Die Funktion pd = fitdist(x,distname,Name,Value) ist für die Erstellung des Wahrscheinlichkeitsverteilungsobjekts mit einem oder mehreren Name-Wert-Paarargumenten verantwortlich, die zusätzliche Parameter angeben.
- Die Funktion [pdca,gn,gl] = fitdist(x,distname,’By’,groupvar) ist dafür verantwortlich, die durch distname definierte Wahrscheinlichkeitsverteilung anhand der Gruppierungsvariablen groupvar an die Daten in Spaltenvektor x anzupassen, um Wahrscheinlichkeitsverteilungsobjekte zu generieren. Es gibt ein Zellenarray angepasster Wahrscheinlichkeitsverteilungsobjekte zurück, das als pdca bezeichnet wird, ein Zellenarray von Gruppenbeschriftungen, das als gn bezeichnet wird, und ein Zellenarray von Gruppierungsvariablenebenen, das als gl bezeichnet wird.
Beispiel 1: So finden Sie die Normalverteilung mithilfe der Funktion fitdist(x,distname).
Dieses Beispiel passt zu a Normalverteilung zu den Beispieldaten z mithilfe der fitdist() Funktion.
Patienten belastenMit = Gewicht ;
pd = fitdist ( Mit , 'Normal' )
Beispiel 2: So finden Sie eine Normalverteilung mithilfe von fitdist(x,distname,Name,Value) Funktion
In diesem Beispiel passen wir mithilfe von eine Kernelverteilung an die Beispieldaten an fitdist() Funktion in MATLAB.
Patienten belastenMit = Gewicht ;
pd = fitdist ( Mit , 'Kernel' , 'Kernel' , 'epanechnikov' )
Beispiel 3: So finden Sie die Normalverteilung mithilfe der Funktion fitdist(x,distname,’By’,groupvar).
Der unten angegebene MATLAB-Code passt Normalverteilungen zu gruppierten Daten, berechnet und zeichnet das PDF beider Datengruppen.
Patienten belastenMit = Gewicht ;
[ pdca , gn , gl ] = fitdist ( Mit , 'Normal' , 'Von' , Geschlecht )
weiblich = pdca { 1 }
männlich = pdca { 2 }
z_values = 80 : 1 : 220 ;
weiblichpdf = pdf ( weiblich , z_values ) ;
malepdf = pdf ( männlich , z_values ) ;
Figur
Handlung ( z_values , weiblichpdf , 'Linienbreite' , 2 )
festhalten
Handlung ( z_values , malepdf , 'Farbe' , 'R' , 'Linienstil' , ':' , 'Linienbreite' , 2 )
Legende ( gn , 'Standort' , 'Nordost' )
Warte ab
Abschluss
Finden der Normalverteilung Die Berechnung eines Datensatzes ist eine statistische Technik, die in maschinellem Lernen, künstlicher Intelligenz, Datenwissenschaft und vielen anderen Bereichen weit verbreitet ist. Es kann mit zwei Parametern definiert werden; Mittelwert sowie Standardabweichung der Datenpunkte. Wir können den Datensatz in die einfügen Normalverteilung Objekt mit dem fitdist() Funktion. Dieser Leitfaden bietet die Grundlagen des Normalverteilung Funktion und wie man mit ihr in MATLAB arbeitet fitdist() Funktion.