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
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