Hur man arbetar med normalfördelning i MATLAB med hjälp av fitdist

Att hitta en normalfördelning av en datamängd är inte en lätt uppgift; men vi kan utföra det i MATLAB med hjälp av fitdist() fungera. Läs den här guiden för att lära dig mer om hur du arbetar med normal distribution i MATLAB med hjälp av fitdist() fungera.

Vad är normalfördelning

A normal distribution även kallad en Gaussfördelning definieras med två parametrar; medelvärde och standardavvikelse för datapunkterna. Medelvärdet mäter medelvärdet av datavärden, medan standardavvikelsen mäter hur datavärdena sprids runt medelvärdet. Med kombinationen av både medel- och standardavvikelse kan vi beräkna normal distribution från följande formel:

Var:

• x representerar datauppsättningsvärden.
• f(x) representerar sannolikhetsfunktionen.
• m betecknar
• sid betecknar standardavvikelsen.

Hur man utför normalfördelning i MATLAB med hjälp av funktionen fitdist().

MATLAB låter oss beräkna normal distribution av slumpvariabler med hjälp av den inbyggda fitdist() fungera. Denna funktion producerar en normal sannolikhetsfördelning objekt genom att anpassa den givna fördelningen till indata. De normal distribution accepterar två parametrar som indata: standardavvikelsen såväl som medelvärdet. En standardnormalfördelning har nollmedelvärde samt en enhetsstandardavvikelse som är 1. Detta betyder att normal distribution är centrerad till noll och värdena på fördelningarna är lika utspridda på båda sidor om medelvärdet.

Syntax

De fitdist() i MATLAB kan användas på olika sätt:

Här:

• Funktionen pd = fitdist(x,avståndsnamn) är ansvarig för att anpassa fördelningen som tillhandahålls av distname till data som finns i kolumnvektor x för att producera ett sannolikhetsfördelningsobjekt.
• Funktionen pd = fitdist(x,avståndsnamn,namn,värde) är ansvarig för att bygga sannolikhetsfördelningsobjektet med ett eller flera namn-värde parargument som anger extra parametrar.
• Funktionen [pdca,gn,gl] = fitdist(x,distname,'By',groupvar) är ansvarig för att anpassa sannolikhetsfördelningen definierad av distname till data i kolumnvektor x baserat på grupperingsvariabeln groupvar för att generera sannolikhetsfördelningsobjekt. Det ger tillbaka en cellmatris av anpassade sannolikhetsfördelningsobjekt, betecknade som pdca, en cellarray av gruppetiketter, betecknade som gn, och en cellarray med gruppering av variabelnivåer, betecknade som gl.

Exempel 1: Hur man hittar normalfördelning med funktionen fitdist(x,distname).

Detta exempel passar en normal distribution till exempeldata z med hjälp av fitdist() fungera.

Exempel 2: Hur man hittar normalfördelning med hjälp av fitdist(x,distname,Name,Value) Fungera

I det här exemplet kommer vi att anpassa en kärnfördelning till exempeldata med hjälp av fitdist() funktion i MATLAB.

Exempel 3: Hur man hittar normalfördelning med funktionen fitdist(x,distname,'By',groupvar)

Den givna MATLAB-koden nedan passar normalfördelningar till grupperade data, beräknar och plottar pdf:en för båda grupperna av data.

Slutsats

Att hitta normal distribution av en datauppsättning är en statistisk teknik som används flitigt inom maskininlärning, artificiell intelligens, datavetenskap och många andra områden. Den kan definieras med två parametrar; medelvärde samt standardavvikelse för datapunkterna. Vi kan passa datamängden i normal distribution objekt med hjälp av fitdist() fungera. Den här guiden har gett grunderna för normal distribution funktion och hur man arbetar med den i MATLAB med hjälp av fitdist() fungera.