python - ヒストグラムの正規化されていないガウス曲線

Question

ヒストグラムとしてプロットするとガウス形式のデータがあります。ヒストグラムの上にガウス曲線をプロットして、データがどれほど優れているかを確認したいと考えています。matplotlib の pyplot を使用しています。また、ヒストグラムを正規化したくありません。正規化されたフィットを実行できますが、正規化されていないフィットを探しています。ここで誰かがそれを行う方法を知っていますか?

ありがとう！アビナフ・クマール

Answer 1

例として：

import pylab as py
import numpy as np
from scipy import optimize

# Generate a 
y = np.random.standard_normal(10000)
data = py.hist(y, bins = 100)

# Equation for Gaussian
def f(x, a, b, c):
    return a * py.exp(-(x - b)**2.0 / (2 * c**2))

# Generate data from bins as a set of points 
x = [0.5 * (data[1][i] + data[1][i+1]) for i in xrange(len(data[1])-1)]
y = data[0]

popt, pcov = optimize.curve_fit(f, x, y)

x_fit = py.linspace(x[0], x[-1], 100)
y_fit = f(x_fit, *popt)

plot(x_fit, y_fit, lw=4, color="r")

これにより、ガウス プロットが分布に適合します。 を使用しpcovて、適合度の定量的な数値を示す必要があります。

データがどの程度ガウス分布であるかを判断するより良い方法は、ピアソンのカイ 2 乗検定です。理解するにはある程度の練習が必要ですが、非常に強力なツールです。

Answer 2

私が知っている古い投稿ですが、これを行うためのコードを提供したかったのですが、これは単に「領域ごとの修正」トリックを行います:

from scipy.stats import norm
from numpy import linspace
from pylab import plot,show,hist

def PlotHistNorm(data, log=False):
    # distribution fitting
    param = norm.fit(data) 
    mean = param[0]
    sd = param[1]

    #Set large limits
    xlims = [-6*sd+mean, 6*sd+mean]

    #Plot histogram
    histdata = hist(data,bins=12,alpha=.3,log=log)

    #Generate X points
    x = linspace(xlims[0],xlims[1],500)

    #Get Y points via Normal PDF with fitted parameters
    pdf_fitted = norm.pdf(x,loc=mean,scale=sd)

    #Get histogram data, in this case bin edges
    xh = [0.5 * (histdata[1][r] + histdata[1][r+1]) for r in xrange(len(histdata[1])-1)]

    #Get bin width from this
    binwidth = (max(xh) - min(xh)) / len(histdata[1])           

    #Scale the fitted PDF by area of the histogram
    pdf_fitted = pdf_fitted * (len(data) * binwidth)

    #Plot PDF
    plot(x,pdf_fitted,'r-')

Answer 3

これを行う別の方法は、正規化されたフィットを見つけ、正規分布に (bin_width*データの合計長) を掛けることです。

これにより、正規分布が正規化されなくなります