一维高斯分布与多维高斯分布及 matlab 实现
一维高斯分布与多维高斯分布
一维高斯分布
高斯分布(Gaussian distribution),又称正态分布(Normal distribution)。若随机变量X服从一个数学期望为μ、方差为σ^2 的正态分布,记为N(μ,σ^2)。其概率密度函数为正态分布的期望值μ决定了其位置,其标准差σ决定了分布的幅度。当μ = 0,σ = 1时的正态分布是标准正态分布。
正态分布使用下列参数:
参数 | 说明 | 范围 |
---|---|---|
mu (μ) | 均值 | −∞<μ<∞ |
sigma (σ) | 标准差 | σ≥0 |
高斯分布的概率密度函数(probability density function)为:
f ( x ) = 1 2 π σ exp ( − ( x − μ ) 2 2 σ 2 ) f(x)=\frac{1}{\sqrt{2 \pi} \sigma} \exp \left(-\frac{(x-\mu)^{2}}{2 \sigma^{2}}\right) f(x)=2π σ1exp(−2σ2(x−μ)2)
高斯分布曲线的特征:
- 关于μ对称;高斯分布的概率密度函数的积分为1;
- 通过公式可以看出,σ越大,x位置的概率密度就越小,曲线越平缓;而σ越小,x的概率密度就越大,曲线越瘦高的,分布比较集中。
一维高斯分布 matlab 代码
// An highlighted block
%一维高斯分布
x=-6:0.1:6;
y1=normpdf(x,0,0.5);
y2=normpdf(x,0,1);
y3=normpdf(x,0,1.5)
y4=normpdf(x,-2,1)
plot(x,y1,'r-',x,y2,'g-',x,y3,'b-',x,y4,'y-'); % '-'表示实线
title('一维高斯分布')
legend('mu=0,sigma=0.5','mu=0,sigma=1'... %换行...,'mu=0,sigma=1.5','mu=0,sigma=1')
二维高斯分布
p ( x ; μ , Σ ) = 1 ( 2 π ) n / 2 ∣ Σ ∣ 1 / 2 exp ( − 1 2 ( x − μ ) T Σ − 1 ( x − μ ) ) p(x ; \mu, \Sigma)=\frac{1}{(2 \pi)^{n / 2}|\Sigma|^{1 / 2}} \exp \left(-\frac{1}{2}(x-\mu)^{T} \Sigma^{-1}(x-\mu)\right) p(x;μ,Σ)=(2π)n/2∣Σ∣1/21exp(−21(x−μ)TΣ−1(x−μ))
Σ = E [ ( X − μ ) ( X − μ ) T ] \Sigma=E\left[(X-\mu)(X-\mu)^{T}\right] Σ=E[(X−μ)(X−μ)T]
二维高斯分布 matlab 代码
// An highlighted block
%二维高斯函数
figure;
mu=[0 0];
sigma=[0.3 0;0 0.35];
[x y]=meshgrid(linspace(-8,8,80)',linspace(-8,8,80)');
X=[x(:) y(:)];
z=mvnpdf(X,mu,sigma);
surf(x,y,reshape(z,80,80));
hold on;
%第一个
mu=[4 0];
sigma=[1.2 0;0 1.85];
[x y]=meshgrid(linspace(-8,8,80)',linspace(-8,8,80)');
X=[x(:) y(:)];
z=mvnpdf(X,mu,sigma);
surf(x,y,reshape(z,80,80));
参考:维基百科.
一维高斯分布与多维高斯分布及 matlab 实现相关推荐
- 高斯分布、多维高斯分布、各向同性的高斯分布及多元高斯分布之间的KL散度
转自:https://www.cnblogs.com/jiangkejie/p/12939776.html 高斯分布是一类非常重要的概率分布,在概率统计,机器学习中经常用到. 一维高斯分布 一维高斯分 ...
- 一维正态分布、二维正态分布的matlab实现
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %本程序用于产生一维正态分布.二维正态分布 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% ...
- 二维正态分布matlab程序,一维正态分布、二维正态分布的matlab实现
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %本程序用于产生一维正态分布.二维正态分布 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% ...
- matlab生成多组多维高斯分布数据
matlab生成多组多维高斯分布数据 之所以写这么一个函数,是因为在练习用matlab实现聚类分析,用matlab生成的高斯分布数据可以作为很好的数据.当然,直接load进鸢尾花数据集也可以拿来练手, ...
- 搞懂多维高斯分布的由来
PRML的2.3节一开始就给出了多维高斯分布的形式: N(x∣μ,Σ)=1(2π)d2∣Σ∣12exp{−12(x−μ)TΣ−1(x−μ)}(1)\begin{aligned}\Bbb{N}(\ma ...
- python二维高斯分布生成_python 多维高斯分布数据生成方式
我就废话不多说了,直接上代码吧! import numpy as np import matplotlib.pyplot as plt def gen_clusters(): mean1 = [0,0 ...
- 二维高斯分布(Two-dimensional Gaussian distribution)
1.多维高斯分布的概率密度函数 多维变量X=(x1,x2,...xn)X=(x_1,x_2,...x_n)X=(x1,x2,...xn)的联合概率密度函数为: 其中: d:变量维度.对于二维高斯 ...
- 二维 均值方差高斯分布图 python_PRML笔记 第二章 (多维)高斯分布
2.3 高斯分布 高斯分布,也叫正态分布,是广泛应用在连续性变量中的分布.它的形式是 而高维(多变量)正态分布的形式是 其中Σ表示协方差矩阵 不论是单变量还是多变量的情况,正态分布均为使熵最大的分布 ...
- python 可视化_Python可视化二维高斯分布
Social LSTM论文中有一张展示行人运动轨迹概率分布的效果图,今天抽空研究下如何用Python可视化二维高斯分布(Gauss Distribution). 可视化二维高斯分布(Gauss Dis ...
最新文章
- Linux主机密码设置,Linux如何批量创建用户和设置密码
- 船舶定位实时查询系统_港口人员精准定位系统,实时安全管控与智能预警
- java string范围_java,String
- Hello HarmonyOS,HarmonyOS鸿蒙实现HelloWorld应用开发E2E体验
- 加州将放宽无人车路测标准:没方向盘也行,没人类驾驶员也行
- 查看AIX系统cpu、内存、网卡、硬盘、HBA卡信息命令
- Apache2.2整合PHP5.2
- LoadRunner 12 试用
- 这40个Python可视化图表案例,强烈建议收藏!
- python 批量爬取网页pdf_爬取网页文件并批量解析pdf
- pr中的字幕、关键帧动画以及声音的处理
- 纪念日或悼念人网页变灰仅需一行代码
- PISCES P4-vSwitch 安装以及一次失败的测试
- python爬虫-selenium爬取链家网房源信息
- H5+微信公众号扫二维码页面跳转功能 vue实现
- 计算机专业英语形成型考核册,电大资源网《人文英语3》形成性考核册作业题目和答案2018年...
- python解椭圆方程的例题_椭圆标准方程典型例题及练习题
- python数据处理--按照数据差值大小进行聚类(归类)
- 人工智能会破灭嘛?听听福布斯邀请的这50位大拿怎么说
- 小顶堆实现求无序数组中的最大k个数