java直方图算法_使用pymc与MCMC拟合两个正态分布(直方图)?

这篇博客探讨了如何使用PyMC库和MCMC方法来拟合两个叠加的高斯分布,以分析CCD光谱仪检测到的线条轮廓。博主展示了如何定义GaussFunc,生成模拟数据,并提出了如何在PyMC中为不同组件设置均匀分布的参数。尽管博主提到单个高斯可能在当前噪声水平下是合理的,但他们寻求探究多个组件的最佳解决方案,并开放使用其他如scikit-learn或astroML的替代库。
摘要由CSDN通过智能技术生成

我正在尝试使用CCD上的光谱仪检测线条轮廓 . 为了便于考虑,我已经包含了一个演示,如果解决了,它与我实际想要解决的演示非常相似 .

import pymc as mc

import numpy as np

import pylab as pl

def GaussFunc(x, amplitude, centroid, sigma):

return amplitude * np.exp(-0.5 * ((x - centroid) / sigma)**2)

wavelength = np.arange(5000, 5050, 0.02)

# Profile 1

centroid_one = 5025.0

sigma_one = 2.2

height_one = 0.8

profile1 = GaussFunc(wavelength, height_one, centroid_one, sigma_one, )

# Profile 2

centroid_two = 5027.0

sigma_two = 1.2

height_two = 0.5

profile2 = GaussFunc(wavelength, height_two, centroid_two, sigma_two, )

# Measured values

noise = np.random.normal(0.0, 0.02, len(wavelength))

combined = profile1 + profile2 + noise

# If you want to plot what this looks like

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值