Discussion :

[khedidja90]

Bonjour tout le monde.

J'ai besoin de votre aide concernant un ajustement d'une courbe gaussienne bimodale. L’équation du fit et de type y=ai*exp(-(x-bi)/ci)^2 tel que "ai" est le pic (amplitude) et doit être égale à (en statistiques) 1/sigma*sqrt(2*pi) avec sigma (écart type)= ci/sqrt (2). Le problème qui se pose est que 1/sigma*sqrt(2*pi) calculée ne donne pas la valeur de ai du fit que j'obtiens avec la commande coeffvalues. Une idée d'ou viens cette erreur ?? .

Merci d'avance.

[phryte]

Bonjour,
As-tu bien programmer :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1/(sigma*sqrt(2*pi))

Fais nous voir ton programme.

[khedidja90]

Bonjour,
Le code suivant donne un bon résultat mais si je remplace ai par 1/(sigma*sqrt(2*pi)) le résultat n'est pas le même.
code:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
[F_ajus,gof] = fit(MW'.',AMWD'.','gauss2')% Gaussian fitting 
 
opts = fitoptions( F_ajus ); 
 
%resultat du fit 
coeff=coeffvalues (F_ajus); 
form=formula(F_ajus); 
coef_name=coeffnames(F_ajus);
X=MW;
 
% 1ere fonction Gaussienne 
a1=coeff(1,1); 
mu1=coeff(1,2); c1=coeff(1,3);s1=c1/sqrt(2);
% 2eme fonction Gaussienne 
a2=coeff(1,4); mu2=coeff(1,5); c2=coeff(1,6);
s2=c2/sqrt(2); 
function y = gauss_distribution(x,a, mu,s)
y1 =(((x-mu).^2)./(2.*(s^2)));
y=a.*(exp (-y1));
end
gaus1 = gauss_distribution(X,a1, mu1,s1);
gaus2 = gauss_distribution(X,a2, mu2,s2);

[phryte]

Bonjour,

Tu devrais essayer avec l'ordre 8 (gauss8) :
Un exemple :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
clear
%cftool
[x,y]=titanium;
nb_gauss=8;
[F_ajus,gof]=fit(x',y',['gauss' num2str(nb_gauss)]);
%resultat du fit
coeff=coeffvalues (F_ajus);
figure(1)
hold on
grid
sigma2=0;Sigma2=0;p=0;moy=0;
for n=1:3:3*nb_gauss
    moy=moy+coeff(n+1);
    sigma2=sigma2+(coeff(n+2)/sqrt(2));
    Sigma2=Sigma2+(1/(coeff(n)*sqrt(2*pi)))^2;
    p=p+1;
    vgaus(p,:) = gauss_distribution(x,coeff(n),coeff(n+1),(coeff(n+2)/sqrt(2)));
    plot(x,vgaus(p,:))
end
figure(2)
plot(F_ajus,x,y)
grid
sigma=sqrt(sigma2)
Sigma=sqrt(Sigma2)
mu=moy/8
Idxmax=find(y==max(y))
xmoy=x(Idxmax)

[khedidja90]

Bonjour phryte,

Merci de proposer cette solution mais ça donne la même chose puisque on prend les coefficients tel qu'ils sont (coeff(n+i)), en plus pour mon cas je peux prendre que 4 gaussiennes (c'est une condition) et ça donne un R2> 98% qui est déjà un bon ajustement. Je voulais juste remplacer la valeur de ai avec 1/(sigma*sqrt(2*pi)), pour que la légende de chaque gaussienne change selon la valeur de mu (différents échantillons). J'espère que c'est claire pour vous

Merci d'avance .