拟合高斯分布到数据

Question

我有一个包含1440个值（值介于0-1之间）的向量y，看起来像一个高斯分布。 因此，我想找到最合适的高斯分布来建立模型。

x=1:1440;
[sigma_,mu_] = gaussfit(x,y);
norm = normpdf(x,mu_,sigma_);

我的问题是，规范中的值比y中的值小，即norm中的值的大小为10-3，而y中的值介于0 1之间1}}。

然后我要添加一个额外的步骤，以便在0和1之间标准化规范中的值。

norm_data = (norm - min(norm)) / ( max(norm) - min(norm) );

我的手术是否正确？ （估计sigma和mu，normpdf，归一化） 有没有办法直接拟合表达概率的原始数据？

y可以下载here

Answer 1

假设你正在使用这个gaussfit，如果你检查函数的头部：

% REMARKS:
% The function does not always converge in which case try to use initial
% values sigma0, mu0. Check also if the data is properly scaled, i.e. p.d.f
% should approx. sum up to 1

这意味着在装配之前，您需要确保sum(y)==1+err犯错误。

y sum(y) 470.1964 1，远离y。规范化您的数据，使其在拟合之前等于1。

修改

如果数据不是（或多或少，它接受0.5-1.5范围内的数据），那么确实会正常化。而且效果很好。由于norm在函数内进行了规范化，如果您要将结果y与y进行比较，则需要对norm进行规范化或对 % normalize y plot(x,norm,x,y./sum(y)) % denormalize norm plot(x,norm*sum(y),x,y) 进行归一化。

from scapy.all import *

def packet_handler(pkt) :
    # if packet has 802.11 layer, and type of packet is Data frame
    if pkt.haslayer(Dot11) and pkt.type == 0:
            # do your stuff here
            print(pkt.show())


sniff(iface="wlan0mon", prn=packet_handler)

在任何一种情况下（但规模不同）：

Answer 2

gaussfit（x，y）拟合数据的归一化高斯。如果您的数据未规范化，则无法使用。如何恰当地适应它的问题已经回答here！