python - 在python中，如何将多元高斯分布划分为单独的高斯分布？

Question

我想计算数据的置信区间。我绘制了他们的直方图。我发现它可能遵循多元正态分布。

1. 如何划分多元高斯分布来分离 高斯？？我认为可以创建集群，其中每个 簇呈现一个高斯分布。但我不知道该怎么做。

2. 我想提取每个高斯的参数？西格玛，平均值

3. 我不知道如何计算它们的整个置信区间:一般来说，我知道在计算一个高斯分布的置信区间时，我使用:

   西格玛=1 平均值=0 ci = scipy.stats.norm.interval(0.95，loc=平均值，scale=sigma) 打印(ci) 但是 sigma、均值对于每个高斯来说都是唯一的。

4. 多元正态分布的对数似然的作用是什么？为什么要做这样的测试？

   import numpy as np
   import matplotlib.pyplot as plt
   from scipy.misc import factorial
   import seaborn as sns
   from scipy.stats import multivariate_normal
   
   sns.set_style('darkgrid')
   data= [65.4243243046107, 65.45963969900394, 65.28583696534378, 65.64727793480667,......]     
   

   sns.distplot(数据, kde=True) plt.show()

Answer 1

您似乎对多元高斯是什么感到困惑。尝试阅读以下内容:

https://www.wikiwand.com/en/Multivariate_normal_distribution

您的数据不是多元的。它是单变量。

这里可能是组合了多个分布，每个分布都有自己的 sigma 和 mu。

尝试从这里开始:

https://www.wikiwand.com/en/Mixture_distribution