La normalisation d'un histogramme est un processus crucial dans l'analyse et la visualisation des données. MATLAB, un puissant outil de calcul, fournit diverses fonctions pour vous aider à normaliser efficacement les histogrammes. Dans cet article, nous allons explorer le processus étape par étape de normalisation d'un histogramme dans MATLAB, vous permettant d'avoir un aperçu de vos données et de faire des comparaisons significatives.
Comment normaliser un histogramme dans MATLAB ?
Un histogramme normalisé est un tracé des fréquences des valeurs de données, où les fréquences ont été normalisées de sorte qu'elles totalisent 1. Cela signifie que l'histogramme normalisé peut être utilisé pour comparer les distributions de différents ensembles de données, même si les ensembles de données ont des tailles différentes. , voici quelques étapes pour tracer un histogramme normalisé :
Étape 1 : Charger les données et créer un histogramme
Pour commencer, vous devez charger vos données dans MATLAB et créer un histogramme à l'aide de la fonction histogram(). Cette fonction calcule le nombre de casiers et les emplacements des casiers en fonction de vos données. Voici un exemple de code :
données = % Vos données ici % ;
histogramme ( données ) ;
Étape 2 : Récupérer les données de l'histogramme
Après avoir créé l'histogramme, vous pouvez obtenir les décomptes et les bords des bins à l'aide de la fonction histcounts(). Cette fonction renvoie les comptes dans chaque bac et les arêtes correspondantes. Stockez ces valeurs dans des variables distinctes pour un traitement ultérieur :
[ comptes, arêtes ] = histcounts ( données ) ;
Étape 3 : Calculer les valeurs normalisées
Afin de normaliser l'histogramme, il est nécessaire de diviser le nombre de chaque bac par le nombre total de points de données. Cela garantit que l'histogramme représente la distribution de fréquence relative plutôt que le nombre absolu. Voici comment vous pouvez calculer les valeurs normalisées :
totalDataPoints = somme ( compte ) ;normalizedValues = counts / total des points de données ;
Étape 4 : Ajustez les bords du bac
Dans certains cas, il peut être nécessaire d'ajuster les bords du bac pour aligner correctement l'histogramme normalisé. Pour ce faire, vous pouvez calculer les points médians entre les arêtes de tranche adjacentes et les utiliser comme nouveaux centres de tranche. Voici un exemple de code :
binCenters = ( bords ( 1 :fin- 1 ) + bords ( 2 :fin ) ) / 2 ;
Étape 5 : tracer l'histogramme normalisé
Maintenant que vous avez les valeurs normalisées et les centres de classe ajustés, vous pouvez tracer l'histogramme normalisé à l'aide de la fonction bar(). Définissez les centres des intervalles comme valeurs de l'axe des x et les valeurs normalisées comme les valeurs correspondantes de l'axe des y :
bar ( binCenters, normalizedValues ) ;
Voici le code MATLAB complet qui normalise un histogramme :
% Marcher 1 : Créer l'histogrammedonnées = [ dix , vingt , 30 , 40 , cinquante , dix , vingt , 30 , dix , vingt ] ;
histogramme ( données ) ;
% Marcher 2 : Obtenir les données de l'histogramme
[ comptes, arêtes ] = histcounts ( données ) ;
% Marcher 3 : Obtenir les valeurs normalisées
totalDataPoints = somme ( compte ) ;
normalizedValues = counts / total des points de données ;
% Marcher 4 : Modifier les bacs
binCenters = ( bords ( 1 :fin- 1 ) + bords ( 2 :fin ) ) / 2 ;
% Marcher 5 : tracer l'histogramme normalisé
bar ( binCenters, normalizedValues ) ;
% Marcher 6 : Personnaliser l'intrigue
xétiquette ( 'Bacs' ) ;
yétiquette ( 'Fréquence normalisée' ) ;
titre ( 'Histogramme normalisé' ) ;
grille activée ;
J'ai ajouté un exemple de données d'ensemble de données et je l'ai utilisé pour créer un histogramme. Ce code créera un histogramme, calculera les valeurs normalisées, ajustera les bords du bac et tracera l'histogramme normalisé.
Note: Le code suppose que vous avez installé MATLAB Image Processing Toolbox, qui inclut les fonctions histogram et histcounts.
Conclusion
La normalisation d'un histogramme dans MATLAB est un processus simple qui vous permet d'avoir un aperçu de la distribution de fréquence relative de vos données. Divisez le nombre de chaque bac par le nombre total de points de données pour normaliser l'histogramme.