如何解决直方图上的非标准化高斯曲线
举个例子:
import pylab as py
import numpy as np
from scipy import optimize
# Generate a
y = np.random.standard_normal(10000)
data = py.hist(y, bins = 100)
# Equation for Gaussian
def f(x, a, b, c):
return a * py.exp(-(x - b)**2.0 / (2 * c**2))
# Generate data from bins as a set of points
x = [0.5 * (data[1][i] + data[1][i+1]) for i in xrange(len(data[1])-1)]
y = data[0]
popt, pcov = optimize.curve_fit(f, x, y)
x_fit = py.linspace(x[0], x[-1], 100)
y_fit = f(x_fit, *popt)
plot(x_fit, y_fit, lw=4, color="r")
这将使高斯图适合于分布,您应该使用pcov
来给出定量的拟合程度。
确定数据是高斯分布还是任何分布的更好方法是Pearson卡方检验。需要进行一些练习才能理解,但这是一个非常强大的工具。
解决方法
当绘制为直方图时,我具有高斯形式的数据。我想在直方图的顶部绘制高斯曲线,以查看数据的质量。我正在从matplotlib使用pyplot。我也不想标准化直方图。我可以进行标准化拟合,但是我正在寻找非标准化拟合。这里有人知道怎么做吗?
谢谢!Abhinav Kumar
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。