正态分布绘图工具-matlab 正态分布

请参照以下步骤用matlab画正态分布曲线。

1、首先将需要被分析的数据文件整理为矩阵文件,即行列分明的数据文件。

2、打开matlab软件之后,点击菜单栏里的“import data”,准备加载需要统计分析的数据。

3、打开加载界面之后,找到要加载的数据文件,点击打开。

4、在加载的界面,将类型选择“matrix”矩阵列表,接着选择需要导入的列数据,然后点击右侧的“improt selection”进行导入。

5、导入之后,点击导入的矩阵列表,如图中的“S260”,注意不要打开,选中即可,然后点击菜单的“plots”。在绘图工具栏里,点击图标右侧的小三角准备打开更多图表类型。

6、在展开后的matlab图标里,找到“histfit”,进行点击。

7、完成以上设置后,即可用matlab画出数据的正态分布曲线。

相信资深的制表绘图师都知道,早期在报表工具还未普及时,想要实现各种统计结果的图形化呈现,基本都得通过代码或者 excel 来做,不仅开发费时费力,而且灵活性很差。

这里就以 Excel 为例,看一看具体的操作过程。假设某软件公司年中会议时要求销售主管向公司领导层汇报这半年各个产品不同维度(按产品线、按月、按销售经理等)的销售情况。

当销售主管得到这个通知后,往往需要做以下几步操作:

首先,通过各个销售经理获取每个人的销售明细数据,然后再使用 excel 透视表来完成针对这些数据的报表制作和数据分析工作,接下来再按照要求绘图。

这个过程看似简单,其实工作量非常庞大。我们细细回顾一下这个过程,可以看到从取数到制表绘图,难以避免以下这几个问题:

取数响应不够及时和灵活:一般销售人员常常奔波于全国各地,很多时候并不能及时将明细数据进行汇总整理,以至于销售主管很可能要等好几天才能拿到数据。

需求沟通存在误差:销售主管最终拿到的数据结果可能并不是最初想要的,可能由于沟通表达导致存在一定的偏差。

Excel 的局限:Excel 看似万能,但一旦数据量庞大,要写的函数多,真是挺影响效率的。而且在某些数据分析统计场景下,表现的不够丰富灵活,需要很多冗余操作。

那么有没有可能能够让销售经理能够在奔波的间隙,将销售数据及时的整理到销售部门的数据库中,然后由销售主管直接从数据库中读取数据进行数据分析、制表以及绘图,真正做到响应高效及时、制表绘图轻松愉快呢?

答案是肯定的,只要你拥有一款神器――润乾报表工具,上面所提到的或没提到的沟沟坎坎都能轻松搞定:

首先,我们可以应用该神器的填报功能,来保证销售数据的及时入库。

其次,我们还可以通过简简单单的拖拖拽拽,来完成数据的分析制表。

最后,我们还可以轻松愉快的完成绘图工作。

好了,话不多说,接下来我们直奔今天的主题,get 一下通过此神器可以做出哪些图形。

注:本文重点说明绘图部分,数据处理部分一带而过。

线图

以线条直观地呈现出某时期,不同部门 2 个产品的销售量差异。



饼图

以饼图直观地表现出某时段各个销售经理的销售额在整个部门的占比。



柱图

以柱子的高度用来比较两个或以上的生产值间的差异



甘特图

清楚地标识出某项目在不同时间段的完成情况。



地图

以地图为底本,用各种几何图形、实物形象或不同线纹、颜色等表明指标的大小及其分布状况,可以突出说明某些现象在地域上的分布、对某些现象进行不同地区间的比较,以及展示现象所处的地理位置及与其他自然条件的关系等





柱线图

集柱图与线图的优势于一身,下图中既可以以柱图的形式表现出同一时间蒸发量与降水量的差异,又可以以平滑的曲线呈现出一年的气温变化。



等等。

01

首先,我们需要将我们要分析的数据文件整理为矩阵文件,即行列分明的数据文件。

02

我们打开matlab之后,点击菜单栏里的“import data”,准备加载我们需要统计分析的数据。

03

打开加载界面之后,我们找到我们要加载的数据文件,点击打开。

04

在加载的界面,我们将类型选择“matrix”矩阵列表,选择我们需要导入的列数据,然后点击右侧的“improt selection”进行导入。

05

导入之后,我们点击我们导入的矩阵列表,如图中的“S260”,注意不要打开,选中即可,然后点击菜单的“plots”,在绘图工具栏里,点击图标右侧的小三角准备打开更多图表类型。

06

在展开后的matlab图标里,我们找到“histfit”,并点击打开。

07

最后,我们需要的正态分布图及柱状分布图即绘制完成。

如何用matlab计算正态分布的标准差

方法/步骤

01

正态分布的数学表达

若随机变量X服从一个数学期望为μ、方差为σ^2的高斯分布,记为N(μ,σ²)。其概率密度函数为正态分布的期望值μ决定了其位置,其标准差σ决定了分布的幅度。服从正态分布的N(μ,σ²)的连续性随机变量X的概率密度和累计概率密度函数分别如下图所示:

02

matlab提供的关于正态分布的三个常用指令的调用语法规则和功能,详见下图所示:

03

正态分布标准差的集合表示,这一步我们将计算指定区间的概率,标准差的含义和几何表示。具体的计算、实现代码、以及注释如下图所示:

04

下图是上一步计算代码执行的结果。

05

正态分布标准差的概率意义

我们可以从上一步图中看出,观察值x落在[μ-σ,μ+σ],[μ-2σ,μ+2σ],[μ-3σ,μ+3σ]区间的概率,即P(μ-k・σ≤x≤μ+k・σ)分别是0.68269,0.9545,0.9973。因为P(μ-k・σ≤x≤μ+k・σ)=P(x-k・σ≤x≤x+k・σ),所以这个概率意义又可以说成:测量数据两侧的一、二、三倍标准差区间包含该被测数据均值的概率分别是:0.68269,0.9545,0.9973。