高斯分布(正态分布)
2014-12-11 15:20
225 查看
高斯分布是以μ为均值,σ为方差的概率分布函数。其概率计算公式为:
画一个以均值μ=-3, 方差σ=2的高斯分布函数:
mu=-3
sigma=2
f = @(x) 1/((2*pi)^(1/2)*sigma)*exp(-(x-mu)^2/(2*sigma^2))
ezplot(f, [-10,4])
其中,直观的可以认为,均值为中心点的位置,方差为图形的宽。
画一个以均值μ=-3, 方差σ=2的高斯分布函数:
mu=-3
sigma=2
f = @(x) 1/((2*pi)^(1/2)*sigma)*exp(-(x-mu)^2/(2*sigma^2))
ezplot(f, [-10,4])
其中,直观的可以认为,均值为中心点的位置,方差为图形的宽。
相关文章推荐
- 高斯分布 正态分布
- 高斯分布 正态分布
- 从 高斯 到 正态分布 到 Z分布 到 t分布
- 从 高斯 到 正态分布 到 Z分布 到 t分布
- 从 高斯 到 正态分布 到 Z分布 到 t分布
- 高斯分布(正态分布)
- 数值分析Matlab二维正态(高斯)分布以及协方差矩阵
- [Delphi]根据 高斯正态分布随机函数RandG发生的数据 绘正态分布曲线(原创)
- 【机器学习】多元高斯分布下的贝叶斯分类感知器
- 正态分布的前世今生:误差分布曲线的确立
- 概率论:高斯/正态分布
- 模式识别之概率分布---平均分布,正态分布,一阶滑动和,一阶线性回归 C语言编程
- 使用rand()产生服从高斯/正态分布的随机数
- 机器学习 | 二:高斯分布
- C++生成随机数:高斯/正态分布(gaussian/normal distribution)
- 正态分布可以生成均匀分布吗?
- 高斯分布函数解析
- 常见的三大分布:均匀分布、正态分布、泊松分布、指数分布
- Python数据可视化之高斯分布
- 伯努利分布、二项分布、多项分布、Beta分布、Dirichlet分布、连续分布(正态分布)、大数定理、中心极限定理、贝叶斯理论