[英]Calculate the standard deviation of a gaussian
我有一个数字列表,根据它的长度绘制,给我一个高斯。 我想计算这个高斯的标准偏差,但是我得到的值(使用np.std()函数)显然太小了(我得到的东西就像0.00143 ......当它应该像8.234那样......)。 我想我一直在计算y轴上的标准偏差,而不是x轴上的标准偏差(这是标准偏差应该是什么),但我对如何做到这一点有点困惑?
我已经包含了我的代码和高斯图片,我正在尝试计算std dev。
#max_k_value_counter counts the number of times the maximum value of k comes up.
max_k_value_counter_sum = sum(max_k_value_counter)
prob_max_k_value = [0] * len(max_k_value_counter)
# Calculate the probability of getting a particular value for k
for i in range(len(max_k_value_counter)):
prob_max_k_value[i] = float(max_k_value_counter[i]) / max_k_value_counter_sum
print "Std dev on prob_max_k_value", np.std(prob_max_k_value)
# Plot p(k) vs k_max to calculate the errors on k
plt.plot(range(len(prob_max_k_value)), prob_max_k_value)
plt.xlim(0, 200)
plt.xlabel(r"$k$", fontsize=16)
plt.ylabel(r"$p(k)$", fontsize=16)
plt.show()
您正在测量概率的标准偏差而不是实际值; 这里是一个例子,我从真正的标准正态分布中得出:
>>> from scipy.stats import norm
>>> xs = np.linspace(-3, 3, 100)
>>> pdf = norm.pdf(xs)
>>> prob = pdf / pdf.sum() # these are probabilities
>>> np.std(prob) # note the very small value below
0.008473522157507624
这里正确的方法是使用这个公式:
测量方差,然后取平方根得到标准差; 第一项基本上是第二个时刻,第二项是均方:
>>> mu = xs.dot(prob) # mean value
>>> mom2 = np.power(xs, 2).dot(prob) # 2nd moment
>>> var = mom2 - mu**2 # variance
>>> np.sqrt(var) # standard deviation
0.98764819824739092
请注意,我们得到的值非常接近1,这与我从标准法线绘制的事实一致;
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.