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}{