【问题标题】:Gaussian Curve-fitting algorithm高斯曲线拟合算法
【发布时间】:2012-06-12 14:59:06
【问题描述】:

伙计们,我一直在尝试为某些看起来像扭曲的正态分布的数据集获得高斯拟合。我一直在使用软件来做到这一点。我想知道我是否可以应用迭代算法将这些数据集转换为高斯拟合曲线,将原始曲线的标准差和平均值作为输入。? 有什么想法吗?

【问题讨论】:

  • 您可能会在stats.stackexchange.com 获得更多信息丰富的答案:)
  • 我也有类似的问题。我找到了这个。郭红伟。 (2011)。拟合高斯函数的简单算法 [DSP 技巧和窍门]。 IEEE 信号处理杂志 - IEEE 信号处理 MAG。 28. 134-137。 10.1109/MSP.2011.941846。这是一个非常简单的算法。该出版物是开放获取的。

标签: algorithm statistics curve-fitting gaussian


【解决方案1】:
  1. 计算数据的平均值:mu = 1/N Sum(xi)
  2. 计算数据的离散度:sigma = sqrt(1/(N-1) Sum(xi-mu))
  3. 填写参数:gauss = 1/(sigma*sqrt(2pi)))*exp(-1/2*((x-mu)/sigma)^2)

我认为没有必要用简单的数学来拟合野兽。

【讨论】:

  • 这确实适用于大多数情况,但不是全部。例如,如果输入数据是整数且分布很窄,则离散度的估计量应该不同。
  • 我相信色散的正确估计量是 sqrt(1/(N-1) Sum(xi-mu))。样本方差(你建议的那个)有轻微的偏差。 en.wikipedia.org/wiki/…
  • @Mathias“正确”在这里是一个误导性的词,但我想你是对的。在非理论背景下它肯定“更好”。
  • @rubenvb 非常感谢..该算法似乎产生了很好的结果。但我只想知道我是否遇到了甄亚指出的情况。我的猜测是它应该工作得很好。
猜你喜欢
  • 2021-10-14
  • 2017-03-04
  • 2018-12-10
  • 1970-01-01
  • 2016-10-30
  • 2018-07-23
  • 1970-01-01
  • 2022-01-26
  • 2017-11-12
相关资源
最近更新 更多