mysql将数据拟合曲线_信号处理——曲线拟合与分布拟合

作者：桂。

时间：2017-03-11  06:45:46

声明：欢迎转载，不过记得注明出处哦~

前言

数据拟合中，最常用的两个就是曲线拟合(curve fitting)与分布拟合(distribution fitting)，不求面面俱到，只希望串出一个思路，篇目如下：

3)曲线拟合：

4)分布拟合；

内容为自己的学习整理，其中借鉴他人的地方，最后一并给出链接。

一、常用分布

本文仅介绍几种自己日常使用的分布，并以Normal distribution为例交代推导过程及代码实现，其他可类推。

关于以下几种分布随机数的产生方法，戳这里会略有一二，并附有对应的代码实现。

以下四种分布的拟合推导、代码实现，参考这里。

A-瑞利分布(Rayleigh distribution)

表达式：

$f(x) = \frac{x}{ { {\sigma ^2}}}{e^{ - \frac{ { {x^2}}}{ {2{\sigma ^2}}}}}$

其中$\sigma > 0$，

B-正态分布(Normal distribution)

表达式：

$f(x) = \frac{1}{ {\sqrt {2\pi } \sigma }}{e^{ - \frac{ { { {(x - \mu )}^2}}}{ {2{\sigma ^2}}}}}$

C-对数正态分布(Log-Normal distribution)

表达式：

$f(x) = \frac{1}{