标签:sigma Gaussian sqrt mu sig Distribution 绘制 正态分布
在高斯分布中有三个数学符号,先来解释这个三个数学符号的含义,然后再说明这个公式的推导思路和推导方法。
三个符号\(\mu,\sigma,e\)在数学上分别叫做平均值(又称数学期望),标准差,自然数。即:
平均值(又称数学期望):\(\mu\)
标准差:\(\sigma\)
自然数:\(e\)
高斯分布数学公式
\[f(x)=\frac{1}{ \sqrt{2\pi\sigma} } \cdot e^{ \frac{-(x-\mu)^2}{2\sigma^2}}\]
期望(平均数):μ
标准差\(:σ\),
方差\(σ^2\)为。
当\(\mu=0\)和\(\sigma=1\)时候称为:标准正态分布。
\[f(x)=\frac{1}{ \sqrt{2} } \cdot e^{ \frac{-(x)^2}{2}}\]
绘制Gaussian Distribution曲线的三种方式
GGB绘制
Python绘制
import numpy as np
import matplotlib.pyplot as plt
import math
# Python实现正态分布
# 绘制正态分布概率密度函数
u = 0 # 均值μ
sig = math.sqrt(2) # 标准差δ
x = np.linspace(u - 3*sig, u + 3*sig, 50)
x_01 = np.linspace(u - 6 * sig, u + 6 * sig, 50)
y_sig = np.exp(-(x - u) ** 2 /(2* sig **2))/(math.sqrt(2*math.pi)*sig)
plt.plot(x, y_sig, "r-", linewidth=2)
plt.grid(True)
plt.show()
Matlab
matlab绘制正态分布概率密度函数图像的命令为normpdf,normpdf函数的调用格式为normpdf(x,mu,sigma),其中mu为0,sigma为1时,为标准正态分布。
x=-3:0.1:3;
y=normpdf(x,0,1);
plot(x,y,'r')
标签:sigma,Gaussian,sqrt,mu,sig,Distribution,绘制,正态分布 来源: https://www.cnblogs.com/tamkery/p/11982209.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。