问题标签 [normal-distribution]

可能重复：
ggplot2：使用密度曲线叠加直方图

对不起，这可能是一个简单的问题，但我有一点问题。

我创建了一个基于二项分布的直方图，均值 = 0.65，sd = 0.015，样本数为 10000。直方图本身看起来不错。但是，我需要在此之上覆盖正态分布（具有相同的均值和标准差）。目前，我有以下内容：

qplot(x, data=prob, geom="histogram", binwidth=.05) + stat_function(geom="line", fun=dnorm, arg=list(mean=0.65, sd=0.015))

出现了一个分布，但它很小。这可能是因为平均值的计数上升到近 2,000，而正态分布要小得多。简而言之，它没有像 R 那样自动拟合数据。有没有办法指定正态分布的线来拟合直方图，或者有没有办法操纵直方图来拟合正态分布？

提前致谢。

我正在做一个模式识别项目，在那里我想用给定的参数（均值和协方差矩阵）对二维正态分布进行采样。例如，如果我想从正态分布中获取 100 个样本，我使用mvnrnd(mu,sigma,100)假设 mu 和 sigma 可用的位置。但mvnrnd返回 100 个唯一样本，但我希望即使具有重复值也有样本。（我的意思是如何获得 100 个样本，但不一定具有唯一值）我该怎么办？

我正在用 PHP 制作一个正态分布计算器，但我不知道如何使用 PHP 计算函数的积分。我已经搜索了网络和 stackoverflow，但我找不到任何关于该主题的内容。我最接近的是通过 php.net 有人引用复合辛普森规则来获得近似值，但我想得到一个精确的结果而不仅仅是一个近似值。

是否有任何众所周知的方法来实现我的目标，我错过了，如果有几种方法最适合计算正态分布？

有谁知道 scipy.stats.norm.pdf() 的替代方法？我在 Google App Engine 上托管我的 python 站点，而 Google 不支持 SciPy。

我试过这个函数，但它没有返回与 scipy 相同的结果：

例如：

返回这些值：

我正在寻找任何脚本（最好是 Python）来计算一系列三维数据的二维正态分布函数。如果不存在，我将不胜感激有人可以提供的任何代码或伪代码。

输入将是一个三元组列表，如下所示

我需要的是最接近表示数据的二维正态分布的平均值和标准差/方差，以便能够对其进行操作，然后再重新创建它。

例子

为了简单起见，我将推迟使用一维法线函数。如果我有以下二维数据点

我希望脚本输出

这样，例如，如果我想将标准偏差从 更改sd = 1.0为sd = 2.0，我可以修改曲线，重新创建它，对点进行采样-4...4，然后像这样将值重写为数据。

现在我的问题是：如何使用紧密代表二维正态分布的三维点列表来做到这一点？

我更喜欢在 Python 中执行此操作，或者调用 shell 脚本。但是，我不会反对使用像 MatLab 或 Maple 这样的程序。

我正在尝试将我的 excel 电子表格中的某些内容转换为 Javascript，并在我的电子表格中出现了 NORMSINV() 宏。

NormSInv() 很好地记录在http://office.microsoft.com/en-us/excel-help/normsinv-HP005209195.aspx。基本上它的形式是 Z = NormSInv(probability)，如果你给它概率（比如 0.90），它会给你标准正态分布的 Z 值（Z= 1.33）。

我可以按照http://en.wikipedia.org/wiki/Standard_normal_table对整个转换表进行编码，但希望避免重新发明轮子。

那么，Javascript中有这样的功能吗？例如。在 Javascript 的数学库中（如果有这样的东西！）。

谢谢席德

我无法保持随机生成的值，这些值通常分布在 0 和 1 之间（包括 0，不包括 1）。我相信算法基本上是正确的，我只是被难住了。任何见解都会很棒。

这些是所需的包含文件：

正态分布随机数生成器函数：

main 函数仅用于测试目的。

如果有人想知道，“植物中的遗传遗传”模拟需要此功能。

我正在尝试在 [R] 中制作直方图，以及描述直方图的正态曲线如下：

但是当我尝试通过曲线函数绘制正态曲线时，会出现以下错误：

我究竟做错了什么？

我正在使用语言 [R] 生成一个样本 M = 32000 个平均值，每个平均值是通过对随机变量连续均匀分布 (0, 1) 的 36 个独立值进行平均计算得出的，生成如下：

对于生成的样本，请我计算大于 L = 0.32 +4 * 1 / 100 的观察平均值的相对频率，并将其与平均 N 值大于 L的概率（近似于“中心极限定理”）进行比较。如下：

输出是：

我的问题是：为什么这么远的值？，想必它们应该更接近（0.9999628 与 0.7377187 相差甚远）。我的实施有问题吗？原谅我的英语。

在 gcc 实现中，这很简单；这些参数仅用作实际算法输出的简单乘法和移位。但我可以想象其他算法在这种特殊情况下会遇到问题。我应该更好地建立一个外部安全防护，还是只给std::normal_distribution' 的构造函数一个 0 作为标准偏差参数以获得“非随机分布”，即总是产生平均值的分布？

（性能除外）