ویرگول
ورودثبت نام
rohola zandie
rohola zandie
rohola zandie
rohola zandie
خواندن ۲ دقیقه·۷ سال پیش

توزیع نرمال چند متغیره

همه کسانی که آمار و احتمال پایه آشنا باشند با توزیع نرمال آشنا هستند. این توزیع بسیار ساده و در عین حال بسیار کاربردی است. ساده است چرا که فقط با دو پارامتر میانگین و واریانس می توان به صورت کامل آن را تعیین کرد و کاربردی است چرا که بسیاری از پدیده های طبیعی از توزیع قد افراد گرفته تا نوسانگر هارمونیک کوانتومی از این توزیع پیروی میکنند.

در فرم ساده یک بعدی این توزیع به صورت زیر است:

که در آن mu میانگین و sigma واریانس داده هاست. در نرم افزار متلب می توان به صورت زیر از این توزیع نمونه برداشت:

r=normrnd(mu, sigma)

که در آن mu و sigma یک عدد اسکالر هستند.

توزیع نرمال به صورت چند متغیره هم ظاهر می شود و آن زمانی است که پدیده مورد نظر شما دارای بیش از یک ویژگی باشد.

شکل زیر:

در این حالت بین این ویژگی ها همبستگی( correlation) وجود دارد. این همبستگی باعث می شود که واریانس فرم پیچیده تری به نام ماتریس کواریانس به خود بگیرد که یک ماتریس d*d است و d در آن تعداد ویژگی هاست. پس در این ماتریس عضو (i,j) نشان دهنده همبستگی ویژگی i ام با j ام است. همچنین میانگین به صورت ساده به صورت برداری به اندازه d است که در آن هر عنصر میانگین هر ویژگی است. در متلب می توان از این توزیع به صورت زیر نمونه گرفت:


اگر صد نمونه بگیریم و در یک شکل رسم کنیم به صورت زیر خواهد شد:


در مطالب بعدی به صورت ریز تری به معنای ماتریس های کواریانس و نیز کاربردهای توزیع نرمال چند متغیره می پردازیم

آماراحتمالمتلب
۸
۰
rohola zandie
rohola zandie
شاید از این پست‌ها خوشتان بیاید