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

分布近似による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、ThingSpeak ™チャネルのデータに分布を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適合を同時に生成します。

カーカウンタ ThingSpeakチャネルからデータを読み取る

車両カウンター ThingSpeakチャネルは、Raspberry Pi™ とウェブカメラを使用して、交通量の多い高速道路上の車両をカウントします。Raspberry Pi 上で車のカウントアルゴリズムが実行され、15 秒ごとにカウントされた車の密度が ThingSpeak に送信されます。フィールド 1 と 2 には、それぞれ東行きと西行きの交通データが含まれています。

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

データをフィルタリングする

分布を適合する前に、データをフィルタリングしてゼロを削除します。

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

ヒストグラムをプロットして分布を近似する

東行きの交通データをヒストグラムとして可視化し、normal、poisson、gamma、kernel などの分布を適合させます。データを可視化すると、基礎とな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適合します。

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');

ヒストグラムとフィッティングにより、分布が右に偏っていることがわかります。

参考

関数