matlab求均值和方差偏度峰度,均值、标准差、偏度、峰度的绘制
import numpy as np
from scipy import stats
import math
import matplotlib as mpl
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
from matplotlib import cm
# import seaborn
def calc_statistics(x):
n = x.shape[0] # 样本个数
# 手动计算
m = 0
m2 = 0
m3 = 0
m4 = 0
for t in x:
m += t
m2 += t*t
m3 += t**3
m4 += t**4
m /= n
m2 /= n
m3 /= n
m4 /= n
#参考上面的偏度峰度公式
mu = m
sigma = np.sqrt(m2 - mu*mu)
skew = (m3 - 3*mu*m2 + 2*mu**3) / sigma**3
kurtosis = (m4 - 4*mu*m3 + 6*mu*mu*m2 - 4*mu**3*mu + mu**4) / sigma**4 - 3
print('手动计算均值、标准差、偏度、峰度:', mu, sigma, skew, kurtosis)
# 使用系统函数验证
mu = np.mean(x, axis=0)
sigma = np.std(x, axis=0)
skew = stats.skew(x)
kurtosis = stats.kurtosis(x)
return mu, sigma, skew, kurtosis
if __name__ == '__main__':
d = np.random.randn(10000)
print(d)
print(d.shape)
mu, sigma, skew, kurtosis = calc_statistics(d)
print('函数库计算均值、标准差、偏度、峰度:', mu, sigma, skew, kurtosis)
# 一维直方图
mpl.rcParams['font.sans-serif'] = 'SimHei'
mpl.rcParams['axes.unicode_minus'] = False
plt.figure(num=1, facecolor='w')
y1, x1, dummy = plt.hist(d, bins=50, normed=True, color='g', alpha=0.75, edgecolor='k')
t = np.arange(x1.min(), x1.max(), 0.05)
y = np.exp(-t**2 / 2) / math.sqrt(2*math.pi)
plt.plot(t, y, 'r-', lw=2)
plt.title('高斯分布,样本个数:%d' % d.shape[0])
plt.grid(True)
# plt.show()
d = np.random.randn(100000, 2)
mu, sigma, skew, kurtosis = calc_statistics(d)
print('函数库计算均值、标准差、偏度、峰度:', mu, sigma, skew, kurtosis)
# 二维图像
N = 30
density, edges = np.histogramdd(d, bins=[N, N])
print('样本总数:', np.sum(density))
density /= density.max()
x = y = np.arange(N)
print('x = ', x)
print('y = ', y)
t = np.meshgrid(x, y)
print(t)
fig = plt.figure(facecolor='w')
ax = fig.add_subplot(111, projection='3d')
ax.scatter(t[0], t[1], density, c='r', s=50*density, marker='o', depthshade=True)
ax.plot_surface(t[0], t[1], density, cmap=cm.Accent, rstride=1, cstride=1, alpha=0.9, lw=0.75, edgecolor='k')
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')
plt.title('二元高斯分布,样本个数:%d' % d.shape[0], fontsize=15)
plt.tight_layout(0.1)
plt.show()
matlab求均值和方差偏度峰度,均值、标准差、偏度、峰度的绘制相关推荐
- R语言vtreat包自动处理dataframe的缺失值、计算数据列的均值和方差并基于均值和方差信息对数据列进行标准化缩放、计算所有数据列的均值和方差对所有数据列进行标准化缩放
R语言vtreat包自动处理dataframe的缺失值.计算数据列的均值和方差并基于均值和方差信息对数据列进行标准化缩放.计算所有数据列的均值和方差并基于均值和方差信息对所有数据列进行标准化缩放 目录
- matlab 求样本离差阵,样本的离差、标准差、方差、偏度、(多图)
一.离差 指单项数值和平均值的差,正负可以作为方向.用来反映某一数值与平均值的偏离程度(距离). 二.标准差(sd) 用来反映样本数据离散程度的指标.多用来反映样本是否"稳重".比 ...
- 图像的均值和方差python_python-绘制均值和标准差
您可以通过以下示例找到答案:errorbar_demo_features.py """ Demo of errorbar function with different ...
- 均值方差递推公式推导 + 求取两组数据合并后的均值和方差
文章目录 一.均值方差递推公式推导 1.递推公式 2.均值递推公式推导 3.方差递推公式推导 4.RMSE 方递推公式推导 二.求取两组数据合并后的均值和方差 一.均值方差递推公式推导 在计算机处理一 ...
- matlab计算原点矩,关于用matlab求样本均值方差以及k阶原点矩的matlab程序
关于用matlab求样本均值方差以及k阶原点矩的matlab 程序 关于用matlab求样本均值和方差以及matlab程 序 1n1. 样本均值,公式xX,(其中X为样本).程序如下: ,i,1in ...
- Matlab求方差,均值,均方差,协方差的函数
转自:http://blog.sina.com.cn/s/blog_4936c31d01011v8j.html 1. 均值 数学定义: Matlab函数:mean >>X=[1,2,3] ...
- Hive Sql中均值、方差、标准差、皮尔逊相关系数、偏度、峰度统计字段
SELECT mean(age) AS '均值', variance(age) AS '方差', stddev(age) AS '标准差', corr(age,yearsmarried) AS '两个 ...
- matlab u怎么求均方差,MATLAB中均值、方差、均方差的计算方法
一. 均值html 数学定义: 函数 Matlab函数:meanpost >>X=[1,2,3]flex >>mean(X)=2htm 若是X是一个矩阵,则其均值是一个向量组. ...
- matlab求峰度(kurtosis)、偏度(skewness)得函数及python对应的峰度(kurtosis)、偏度(skewness)函数
正在做一个把matlab程序转python的工作,记录下遇到的问题与解决方案 定义 峰度kurtosis:用于度量x偏离某分布的程度. 正太分布的峰度是3: 当时间序列的曲线峰值比正太分布的高时,峰度 ...
- 【Matlab】方差是偏离均值的程度,那偏离中位数的程度怎么算呢?
1.Introduction 最近做建模遇到一个问题,平常求一组数据的离散程度,可以用方差(相对均值)来表示,计算方法如下图所示.那么如果想计算偏离中位数的程度,这个"中差"怎么算 ...
最新文章
- 使用mysql内连接查询年龄_Mysql的连表查询
- java中velocity定义宏标签_velocity自定义标签和指令(转:zwj)
- 祁门木板厂深夜失火,及早安装火灾报警器
- 深入理解Magento-第十章-数据操作数据收集器
- “约见”面试官系列之常见面试题之第九十八篇之vue-router有哪几种导航钩子(建议收藏)
- ASP.NET MVC 的多国语系支持
- 分段线性插值c语言程序_【短道速滑】OpenCV中cvResize函数使用双线性插值缩小图像长宽大小一半时速度飞快(比最近邻还快)之异象解析和自我实现。...
- centos初始配置
- Linux学习总结(40)——史上最全Linux命令科普
- linux mysql更改用户权限
- 计算机组成原理-白中英版
- 第一财经周刊:诺基亚之死
- 禁忌搜索算法求解 TSP 问题的代码示例
- LimeSurvey的使用和简单的二次开发
- win7 64位安装 ie10/11失败
- 《python编程从入门到实践》第16章:收盘价均值的报错分析与解决
- spring中 @EnableXXX 注解的实现
- 2020哔哩哔哩校招后端开发笔试编程题总结
- Gradual warmup lr schedule--pytorch
- 聚观早报 | 抖音推出可颂App;马斯克终止收购 Twitter