如何为直方图设置最大值[重复]

Question

图片优先：

如您所见，我有一组正态分布。出于演示目的，有反馈说这些图应该“标准化”，因为我理解将绘图值设置为某个最大值并且绘图的曲率设置为适合这个无论如何。目标是让这些图更容易在视觉上进行比较——我希望这是有道理的。我在这个情节中使用histfit。

您知道一些方法，我怎样才能使这些图表更具可比性？

编辑： 由于它被标记为重复，事实并非如此。我并不是真的在寻找适合直方图的概率密度，我想为每个概率密度曲线设置一个最大值。我知道市场主题，只是找不到我的答案。

编辑2：

这些是我的代码的摘录以及他们产生的解决方案：

[f1,x1] = hist(data1);
[f2,x2] = hist(data2);
[f3,x3] = hist(data3);

avg = mean(data1);
stdev = std(data1);
VERT1 = sort(data1);
y1 = exp(- 0.5 * ((VERT1 - avg) / stdev) .^ 2) / (stdev * sqrt(2 * pi));
y11 = y1/max(data1);


avg = mean(data2);
stdev = std(data2);
VERT2 = sort(data2);
y2 = exp(- 0.5 * ((VERT2 - avg) / stdev) .^ 2) / (stdev * sqrt(2 * pi));
y22 = y2/max(data2);

% 
avg = mean(data3);
stdev = std(data3);
VERT3 = sort(data3);
y3 = exp(- 0.5 * ((VERT3 - avg) / stdev) .^ 2) / (stdev * sqrt(2 * pi));
y33 = y3/max(data3);

为清楚起见直接链接：http://i.imgur.com/YPrcM3R.jpg

来自this explanation 我明白了：

[f1,x1] = hist(data1);
[f2,x2] = hist(data2);
[f3,x3] = hist(data3);


avg = mean(data1);
stdev = std(data1);
VERT1 = sort(data1);
y1 = exp(- 0.5 * ((VERT1 - avg) / stdev) .^ 2) / (stdev * sqrt(2 * pi));



avg = mean(data2);
stdev = std(data2);
VERT2 = sort(data2);
y2 = exp(- 0.5 * ((VERT2 - avg) / stdev) .^ 2) / (stdev * sqrt(2 * pi));



avg = mean(data3);
stdev = std(data3);
VERT3 = sort(data3);
y3 = exp(- 0.5 * ((VERT3 - avg) / stdev) .^ 2) / (stdev * sqrt(2 * pi));


h1 = bar(x1,f1/trapz(x1,f1));hold on;
h2 = bar(x2,f2/trapz(x2,f2),'r');hold on;
h3 = bar(x3,f3/trapz(x3,f3),'g');hold on;
plot(VERT1,y1,'b-');hold on;
plot(VERT2,y2,'r-');hold on;
plot(VERT3,y3,'g-');hold off;

结果为：

希望这能解释一切。

Answer 1

您所拥有的是两个具有非零均值和非单位标准差的图。这样的分布很难比较。在这种情况下（据我所知）归一化意味着使拟合的钟形曲线的平均值为 0 和标准差为 1。这可以很简单地实现。这是一个玩具示例：

clf;
data1 = random('normal',300,30,100,1); %Randomly generated first dataset
data2 = random('normal',250,10,100,1); %Randomly generated second dataset
h1=histfit(data1); %Plot the data
hold on;
h2=histfit(data2);
delete(h1(1));
delete(h2(1));
set(h2(2),'color','b')

这会产生：

要规范化，只需将您正在拟合的 data 替换为规范化数据：

h1=histfit( (data1-mean(data1)) / std(data1) );
h2=histfit( (data2-mean(data2)) / std(data2) );

屈服：

使图表的比较更加清晰。