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。
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。
我想提取每个高斯的参数?西格玛,平均值
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。
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()
最佳答案
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:
关于python - 在python中,如何将多元高斯分布划分为单独的高斯分布?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/54812012/