高斯曲线拟合算法 [英] Gaussian Curve-fitting algorithm

问题描述

伙计们，我一直在尝试对某些看起来像失真的正态分布的数据集进行高斯拟合。我一直在使用软件来做到这一点。我想知道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，并以原始曲线的标准差和均值为输入。
有什么想法吗？

Folks,i have been trying to obtain a Gaussian fit for some data sets which somehow look like a distorted normal distribution.I have been using software to do that. I wonder if i can apply an iterative algorithm to convert these data sets to a Gaussian fitted curve,the standard deviation and mean of the original curve being the inputs.? Any ideas?

推荐答案

1. 计算数据均值： 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）

1. Calculate the mean of the data: mu = 1/N Sum(xi)
2. Calculate the dispersion of the data: sigma = sqrt(1/(N-1) Sum(xi-mu))
3. Fill in the parameters: gauss = 1/(sigma*sqrt(2pi)))*exp(-1/2*((x-mu)/sigma)^2)

我认为没有必要通过简单的数学运算来适应野兽。

I don't see any need for fitting the beast with the easy math involved.

这篇关于高斯曲线拟合算法的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！