В python, Как разделить многомерное распределение Гаусса на отдельные гауссианы?

Question

Я хочу вычислить доверительный интервал моих данных.Я строю их гистограмму.Я обнаружил, что это может следовать многомерному нормальному распределению.

1. Как разделить многомерное распределение Гаусса на отдельные гауссианы ??Я думаю, что возможно создать кластеры, где каждый кластер представляет один гауссиан.Но я не знаю, как это сделать.

2. Я хочу извлечь параметры каждого гауссиана?сигма, среднее значение

3. Я не знаю, как рассчитать их полный доверительный интервал. В общем, я знаю, что при вычислении доверительного интервала для одного гауссовского распределения я использую:

   сигма = 1 среднее = 0 ci = scipy.stats.norm.interval (0,95, loc = среднее, масштаб = сигма) print (ci) Но сигма, среднее уникально для каждого гауссиана.

4. В чем состоит логарифмическая вероятность многомерного нормального распределения?Зачем делать такой тест?

   import numpy as np
   import matplotlib.pyplot as plt
   from scipy.misc import factorial
   import seaborn as sns
   from scipy.stats import multivariate_normal
   
   sns.set_style('darkgrid')
   data= [65.4243243046107, 65.45963969900394, 65.28583696534378, 65.64727793480667,......]     
   

   sns.distplot (data, kde = True) plt.show ()

Answer 1

Вы, похоже, не понимаете, что такое многомерный гауссов.Попробуйте прочитать это:

https://www.wikiwand.com/en/Multivariate_normal_distribution

Ваши данные не многовариантны.Это одномерный.

Возможно, у вас есть несколько объединяемых дистрибутивов, каждый со своей сигмой и му.

Попробуйте начать здесь:

https://www.wikiwand.com/en/Mixture_distribution