Люди, я пытался получить гауссовскую подгонку для некоторых наборов данных, которые как-то выглядят как искаженное нормальное распределение. Я использую программное обеспечение для этого. Интересно, могу ли я применить итерационный алгоритм для преобразования этих наборов данных в гауссову настроенную кривую, стандартное отклонение и среднее значение исходной кривой являются входами.? Любые идеи?Гауссовский алгоритм построения кривой
mu = 1/N Sum(xi)sigma = sqrt(1/(N-1) Sum(xi-mu))gauss = 1/(sigma*sqrt(2pi)))*exp(-1/2*((x-mu)/sigma)^2)Я не вижу никакой необходимости в подгонке зверь с легкой математикой.
Это действительно работает в большинстве ситуаций, но не для всех. Например, если входные данные являются целыми числами, а распределение очень узким, оценка дисперсии должна быть разной. –
Я считаю, что правильной оценкой дисперсии является sqrt (1/(N-1) Sum (xi-mu)). Разброс выборки (тот, который вы предлагаете) имеет небольшое смещение. http://en.wikipedia.org/wiki/Normal_distribution#Estimation_of_parameters – Mathias
@Mathias "correct" здесь вводит в заблуждение, но я думаю, вы правы. Это, безусловно, «лучше» в нетеоретических контекстах. – rubenvb
Вы, вероятно, получите более подробные ответы на http://stats.stackexchange.com/ :) – huon