【分布的拟合】把样本的分布函数（也称为“经验分布函数”），与某种理论的分布函数（如正态分布）叠放在一起，进行比较。
例如：score = xlsread('examp02_14.xls','Sheet1','G2:G52');
% 去掉总成绩中的0，即缺考成绩
score = score(score > 0); %样本
figure; % 新建图形窗口
% 绘制经验分布函数图，并返回图形...
分类：
其他好文 时间：
2015-07-02 17:28:36
阅读次数：
161
背景看到有人在问这个问题，拿来算算。
自从有了CSDN-MarkDown之后，写博客舒服多了，尤其是数学公式部分。原理推荐的参考书是:
Schaum’s outline of Probability and Statistics, 3rd Edition, 2009; 科学出版社2002年翻译出版了该书的第二版，所以有中文版。Continuous Variables
Theorem: Let X...
分类：
其他好文 时间：
2015-06-26 16:18:37
阅读次数：
728
问题：将二元正态分布的概率密度函数改写成矩阵-向量形式改写：
设(X1,X2)(X_1, X_2)是二元正态变量，其密度函数为：
即：(X1,X2)(X_1, X_2) ~ N(μ1,μ2,σ21,σ22,ρ)N(\mu_1, \mu_2, \sigma_1^2,\sigma_2^2,\rho)
其中：ρ\rho是相关系数
令：x=(x1,x2)Tx = (x_1, x_2)^T
μ=(μ...
分类：
其他好文 时间：
2015-06-21 15:49:26
阅读次数：
278
在读2009年ICCV的paper中遇到几次 Gaussian distribution（高斯分布）,不明觉厉，就查了写来总结下：
高斯分布（Gaussian distribution），其实就是正态分布（Normal distribution），瞬间就不黑线了，概率论中学过的。
一、先粘一段高斯分布的历史：
正态分布是最重要的一种概率分布。正态分布概念是由德国的数学家和...
分类：
其他好文 时间：
2015-06-13 17:18:17
阅读次数：
156
针对投资回报率的正态分布和幂次法则我们在Peter Thiel的《从0到1》中算是领略过了，但是“贝比·鲁斯”效应又是怎么一回事呢？它给我们的创业者和风投从业人员又有怎么样的启示呢？请看CDIXON在他的[最新文章](http://cdixon.org/2015/06/07/the-babe-ruth-effect-in-venture-capital/)中是怎么说的...
分类：
其他好文 时间：
2015-06-13 14:24:01
阅读次数：
133
本文作者简介：王夜笙，就读于郑州大学信息工程学院，感兴趣的方向为逆向工程和机器学习，长期从事数据抓取工作（长期与反爬虫技术作斗争~），涉猎较广（技艺不精……），详情请见我的个人博客~个人博客地址：http://bindog.github.io/blog/邮箱：bindog@outlook.com感谢...
分类：
其他好文 时间：
2015-06-10 21:00:44
阅读次数：
610
R语言中常见的随机数生成函数，例如服从正态分布的随机数和服从均匀分布的随机数。本文给出了使用示例。...
分类：
编程语言 时间：
2015-06-08 17:25:31
阅读次数：
697
正态 QQ 图和普通 QQ 图分位数-分位数 (QQ) 图是两种分布的分位数相对彼此进行绘制的图。评估数据集是否正态分布，并分别研究两个数据集是否具有相似的分布。如何构建正态 QQ 图首先，数据值经过排序，且累积分布值按照公式 (i– 0.5)/n 进行计算，其中字母表示总数为 n 的值中的第 i ...
分类：
其他好文 时间：
2015-06-05 00:38:59
阅读次数：
259
介绍在这篇文章中，我将展示如何绘制二维正态分布数据的误差椭圆，又名置信椭圆。误差椭圆代表高斯分布的等值轮廓线，并允许可视化一个2D置信区间。下图显示了一组二维正态分布数据样本的95％置信椭圆。这个置信椭圆定义的区域包含了95％的样本，这些样本可以从潜在高斯分布中得到。
在接下来的章节中，我们将讨论如何获得不同置信度（如99％置信区间）的置信椭圆，我们将展示如何用Matlab或C ++代码绘制这些椭...
分类：
其他好文 时间：
2015-05-23 08:49:26
阅读次数：
8927
这是一张 正态分布的图 。 大概程序员也是这样分布的吧。
横轴是 技能水平。
在峰值前半段， 随着水平的提高，人数是越来越多的， 感觉就是 压力越来越大。 怎么越努力，竞争越厉害， 怎么越努力， 我越不如人的 感觉是有的。 看看这图就明白了。
很多人倒下了， 很多人停下了，很多人搞不动了。
等到 技能 越过某点之后 ， 人数 是 越往前走 ，越少 竞争越小了。
现在明显是在 爬...
分类：
其他好文 时间：
2015-05-22 11:43:16
阅读次数：
135
