Niezormalizowana krzywa Gaussa na histogramie

Mam dane, które są w formie gaussowskiej, gdy są drukowane jako histogram. Chcę wykreślić krzywą gaussowską na szczycie histogramu, aby zobaczyć, jak dobre są dane. Używam pyplot z matplotlib. Również NIE chcę normalizować histogramu. Mogę zrobić normalne dopasowanie, ale szukam niezharmonizowanego dopasowania. Czy ktoś tutaj wie, jak to zrobić?Niezormalizowana krzywa Gaussa na histogramie

Dzięki! Abhinav Kumar

Źródło

2013-07-22 Abhinav Kumar

Czy ten przykład może pomóc? http://matplotlib.org/examples/api/histogram_demo.html – DMH

Nie, to w zasadzie to, czego nie chcę. Nie chcę znormalizować. –

Jako przykład:

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")

enter image description here

To zmieści Gaussa działki do podziału, należy użyć pcov podanie numeru ilościowego jak dobre dopasowanie jest.

Lepszym sposobem określenia, jak dobrze dane są w układzie Gaussa, lub jakiejkolwiek dystrybucji jest Pearson chi-squared test. Trzeba trochę praktyki, aby to zrozumieć, ale jest to bardzo potężne narzędzie.

Źródło

2013-07-22 07:16:24 Greg

Czy możemy uzyskać a, b i c dla dopasowania pokazanego powyżej? Chcę sprawdzić z tym, czego się spodziewam. –

To jest właśnie 'popt'. Zauważycie, że otrzymałem 'y_fit', który zrobiłem' f (x_fit, * popt) 'jest to sztuczka rozpakowania krotki' popt' w argumenty 'f'. Zobacz dokumentację po więcej. – Greg

Innym sposobem osiągnięcia tego celu jest znalezienie znormalizowaną dopasowanie i pomnożyć rozkład normalny z (bin_width * Całkowita długość danych)

będzie un-normalizacji normalne dystrybucji

Źródło

2013-11-18 20:45:25 aaveg

starego stanowisko wiem , ale chciałem wnieść swój kod, aby to zrobić, po prostu robi sztuczkę "naprawiaj obszar":

from scipy.stats import norm 
from numpy import linspace 
from pylab import plot,show,hist 

def PlotHistNorm(data, log=False): 
    # distribution fitting 
    param = norm.fit(data) 
    mean = param[0] 
    sd = param[1] 

    #Set large limits 
    xlims = [-6*sd+mean, 6*sd+mean] 

    #Plot histogram 
    histdata = hist(data,bins=12,alpha=.3,log=log) 

    #Generate X points 
    x = linspace(xlims[0],xlims[1],500) 

    #Get Y points via Normal PDF with fitted parameters 
    pdf_fitted = norm.pdf(x,loc=mean,scale=sd) 

    #Get histogram data, in this case bin edges 
    xh = [0.5 * (histdata[1][r] + histdata[1][r+1]) for r in xrange(len(histdata[1])-1)] 

    #Get bin width from this 
    binwidth = (max(xh) - min(xh))/len(histdata[1])   

    #Scale the fitted PDF by area of the histogram 
    pdf_fitted = pdf_fitted * (len(data) * binwidth) 

    #Plot PDF 
    plot(x,pdf_fitted,'r-')

Źródło

2013-12-10 01:35:09

Niezormalizowana krzywa Gaussa na histogramie

Odpowiedz

Powiązane problemy