我目前面临以下问题：在实验期间，我收集了每个通道（检测器）的事件计数。根据通道绘制计数几乎可以得出正态分布。我现在想计算这个数据集的平均值。问题在于并非所有生成数据的事件都以相同的概率发生，但每个通道的概率是已知的。对我来说，这种情况似乎与想要计算直方图的平均值非常相似，因此我会取通道的中间值，将其乘以通道的相应值，将所有值相加，然后除以总数的频道。我对此的实现是：import numpy as npimport matplotlib.pyplot as pltcounts = ... # see at the end of the post for the data set in questionchannels = np.arange(1,len(counts)+1)channel_probability = .... # probability for different parts of channelsmean = sum((channels+1)/2 * counts)/len(counts)plt.figure()plt.plot(counts, channels)plt.stem([mean], [100])plt.xlabel("channels")plt.ylabel("counts")plt.show()问题是这假设所有事件的概率相同......因此我也尝试了将概率相乘的幼稚方法mean = sum((channels+1)/2 * counts * channels_probability)/len(counts)但这当然只会导致完全不合理的结果......所以，有人可以解释我如何找到这种分布的平均值以及如何计算它吗？如上所述，这里是类似于我使用的数据集的东西：counts = np.array([2.05209753 2.07860064 2.06269877 2.0706497 2.07595033 2.03619567 2.03619567 2.06269877 2.02029381 2.00439194 2.01499318 1.9937907 1.98583977 1.99909132 1.99909132 2.00439194 1.98583977 1.98849008 1.99644101 2.01499318 2.00439194 2.0176435 2.02824474 1.99909132 2.00174163 2.03354536 2.05474784 2.05474784 2.04944722 2.11305467 2.07330002 2.13955778 2.18461305 2.19256399 2.21906709 2.25617144 2.23496895 2.25617144 2.31182796 2.32772982 2.36483417 2.3992882 2.42844162 2.49734969 2.56890807 2.56095714 2.59541118 2.59541118 2.63516583 2.68817204 2.6272149 2.66961987 2.6272149 2.66961987 2.60336211 2.62191428 2.56890807 2.5503559 2.53975466 2.52385279 2.45229441 2.42844162 2.39133727 2.29592609 2.27737392 2.26147206 2.21906709 2.14220809 2.17666212 2.09185219 2.03619567 2.02824474 2.05209753 2.00439194 1.97788884 1.97788884 1.9672876 1.96463729 1.96993791 1.95403604 1.94608511 1.9434348 1.9434348 1.93548387 1.93813418 1.9434348 1.94078449 1.93813418 1.94078449 1.9434348])
添加回答
举报
0/150
提交
取消