如何在MATLAB中标准化直方图？

3回答

红糖糍粑

我对此的回答与您对先前问题的回答相同。对于概率密度函数，整个空间的积分为1。除以总和不会得到正确的密度。为了获得正确的密度，必须除以面积。为了说明我的观点，请尝试以下示例。[f, x] = hist(randn(10000, 1), 50); % Create histogram from a normal distribution.g = 1 / sqrt(2 * pi) * exp(-0.5 * x .^ 2); % pdf of the normal distribution% METHOD 1: DIVIDE BY SUMfigure(1)bar(x, f / sum(f)); hold onplot(x, g, 'r'); hold off% METHOD 2: DIVIDE BY AREAfigure(2)bar(x, f / trapz(x, f)); hold onplot(x, g, 'r'); hold off您可以自己查看哪种方法与正确答案（红色曲线）相符。标准化直方图的另一种方法（比方法2更直接）是除以sum(f * dx)表示概率密度函数的积分，即% METHOD 3: DIVIDE BY AREA USING sum()figure(3)dx = diff(x(1:2))bar(x, f / sum(f * dx)); hold onplot(x, g, 'r'); hold off

0 0

ITMISS

自2014b起，Matlab将这些规范化例程本机嵌入在histogram函数中（有关此函数提供的6个例程，请参阅帮助文件）。这是一个使用PDF归一化的示例（所有bin的总和为1）。data = 2*randn(5000,1) + 5;             % generate normal random (m=5, std=2)h = histogram(data,'Normalization','pdf')   % PDF normalization对应的PDF是Nbins = h.NumBins;edges = h.BinEdges; x = zeros(1,Nbins);for counter=1:Nbins    midPointShift = abs(edges(counter)-edges(counter+1))/2;    x(counter) = edges(counter)+midPointShift;endmu = mean(data);sigma = std(data);f = exp(-(x-mu).^2./(2*sigma^2))./(sigma*sqrt(2*pi));两者一起给hold on;plot(x,f,'LineWidth',1.5)在此处输入图片说明改进很可能归因于实际问题和接受的答案的成功！编辑-使用hist和histc被不建议现在，和histogram应改为使用。请注意，使用此新功能创建垃圾箱的6种方法均不会产生垃圾箱  hist并histc产生。有一个Matlab脚本可以更新以前的代码以适应  histogram调用方式（bin边而不是bin中心-link）。这样，可以比较pdf @abcd（trapz和sum）和Matlab（pdf）的规范化方法。3 pdf归一化方法给出的结果几乎相同（在的范围内eps）。测试：A = randn(10000,1);centers = -6:0.5:6;d = diff(centers)/2;edges = [centers(1)-d(1), centers(1:end-1)+d, centers(end)+d(end)];edges(2:end) = edges(2:end)+eps(edges(2:end));figure;subplot(2,2,1);hist(A,centers);title('HIST not normalized');subplot(2,2,2);h = histogram(A,edges);title('HISTOGRAM not normalized');subplot(2,2,3)[counts, centers] = hist(A,centers); %get the count with histbar(centers,counts/trapz(centers,counts))title('HIST with PDF normalization');subplot(2,2,4)h = histogram(A,edges,'Normalization','pdf')title('HISTOGRAM with PDF normalization');dx = diff(centers(1:2))normalization_difference_trapz = abs(counts/trapz(centers,counts) - h.Values);normalization_difference_sum = abs(counts/sum(counts*dx) - h.Values);max(normalization_difference_trapz)max(normalization_difference_sum)在此处输入图片说明新的PDF规范化与以前的规范化之间的最大差是5.5511e-17。

0 0

元芳怎么了

hist不仅可以绘制直方图，还可以返回每个bin中元素的数量，因此您可以获取该计数，将每个bin除以总数并使用来绘制结果，以对其进行归一化bar。例：Y = rand(10,1);C = hist(Y);C = C ./ sum(C);bar(C)或者如果您想要单线：bar(hist(Y) ./ sum(hist(Y)))编辑：此解决方案回答了问题：如何使所有垃圾箱的总和等于1。仅当bin大小相对于数据方差较小时，这种近似才有效。这里使用的总和对应一个简单的正交公式，可以使用更复杂的公式，如RMtrapz所建议的

0 0