Main Content

このページは機械翻訳を使用して翻訳されました。元の英語を参照するには、ここをクリックします。

分布近似をもつヒストグラムのプロット

この例では次を使用します。

この例では、分布をThingSpeak™チャネルのデータに適合させる方法を示します。マサチューセッツ州の高速道路の交通密度データのヒストグラムと分布への近似を同時に生成します。

Car-Counter ThingSpeakチャネルからデータを読み取る

車カウンターThingSpeakチャネルは、 Raspberry Pi™ と Web カメラを使用して、交通量の多い高速道路上の車を数えます。車を数えるアルゴリズムが Raspberry Pi 上で実行されており、15 秒ごとに計数された車の密度がThingSpeakに送信されます。Field 1 と 2 には東方向と西方向の交通データがそれぞれ含まれています。

data = thingSpeakRead(38629,'NumDays',1,'Fields',[1,2],'outputFormat','table');

データのフィルター処理

分布を当てはめる前に、データをフィルターしてゼロを削除します。

data_without_zeros = data.DensityOfEastboundCars(data.DensityOfEastboundCars > 0);

ヒストグラムのプロットと分布の近似

東方向の交通データをヒストグラムとして可視化し、normal、poisson、gamma、kernel などの分布で近似します。データを可視化すると、根底にある分布の形状を理解するのに役立ちます。ノンパラメトリック カーネル平滑化分布を近似します。

number_of_bins = 20;
histfit(data_without_zeros,number_of_bins,'kernel');
xlabel('Bins for density of cars every 15 seconds');
title('Fitting Kernel Function on Distribution of Eastbound Cars in the Past Day');

ヒストグラムと近似は、分布が右に偏っていることを示しています。

参考

関数