matlab中表示拉普拉斯分布_分布拟合——正态/拉普拉斯/对数高斯/瑞利 分布

作者：桂。

时间：2017-03-16  20:30:20

声明：欢迎被转载，记得注明出处~

前言

本文为曲线与分布拟合的一部分，主要介绍正态分布、拉普拉斯分布等常用分布拟合的理论推导以及代码实现。

一、理论推导

假设数据独立同分布。对于任意数据点$x_i$，对应概率密度为$f(x_i)$，最大似然函数：

$J = \mathop \prod \limits_{i = 1}^N f({x_i})$

表示成参数，并写成对数形式：

$L\left( \theta  \right) = \ln J\left( \theta  \right) = \sum\limits_{i = 1}^N {f({x_i};\theta )} $

A-正态分布

对于正态分布：

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

求偏导得参数估计：

$\hat \mu  = \frac{ {\sum\limits_{i = 1}^N { {x_i}} }}{N}$

${\hat \sigma ^2} = \frac{ {\sum\limits_{i = 1}^N { { {\left( { {x_i} - \mu } \right)