拟合高斯分布到数据

我有一个向量y包含1440个值（值在0-1之间），看起来像一个高斯分布。因此，我想找到最佳拟合高斯分布有一个模型。拟合高斯分布到数据

x=1:1440; 
[sigma_,mu_] = gaussfit(x,y); 
norm = normpdf(x,mu_,sigma_);

我的问题是，在范数的值是在y比的值越小的方式，即在norm值是10-3的顺序，而在y值是0 1之间。

我然后添加一个额外的步骤，以规范0和1之间的标准值。

norm_data = (norm - min(norm))/(max(norm) - min(norm));

我的程序是否正确？（西格玛和亩的估计，normpdf，归一化）有没有办法直接拟合表达概率的原始数据？

y可以下载here

来源

2015-07-21 gabboshow

假设你正在使用这个gaussfit，如果你检查函数的头部：

% REMARKS: 
% The function does not always converge in which case try to use initial 
% values sigma0, mu0. Check also if the data is properly scaled, i.e. p.d.f 
% should approx. sum up to 1

这意味着安装之前，你需要确保sum(y)==1+err是犯错小东西。

您的y有sum(y)的470.1964，这是一种远离1。对数据进行规范化处理，使其总和等于1，然后再进行拟合。

EDIT

实际上，所述温控功能不如果数据是不正常化（或多或少，它接受在范围0.5-1.5的数据）。并且工作得很好。由于y在函数内部被归一化，所以如果要比较结果norm到y，您需要将y归一化或者非规格化norm。

% normalize y 
plot(x,norm,x,y./sum(y)) 
% denormalize norm 
plot(x,norm*sum(y),x,y)

在任一情况下（但不同的比例）

：

enter image description here

来源

2015-07-21 09:58:30

嗨，感谢您的回答，但函数gaussfit已经正常化数据，如果他们不是......我的问题是，估计的PDF值比经验值小... – gabboshow

@gabboshow我复制来自函数的文本。这意味着**不会**正常化数据。否则文本不会在那里。再次阅读我的答案，正常化'y'应该很简单。请注意，如果您正在处理统计信息，则必须将**标准化，否则其概念错误。 –

Plase请参阅函数gaussfit的第56行 – gabboshow

gaussfit（X，Y）适合的归一化高斯到的数据。如果你的数据没有被标准化，这是行不通的。如何正确适应这个问题的答案是here！

来源

2015-07-21 11:23:52 Glostas

拟合高斯分布到数据

回答

相关问题