prml_1_15.py

#!/usr/bin/env python3
# -*- coding: utf-8 -*-

import numpy as np
import matplotlib.pyplot as plt

# プロット用データ
plotS = 1000
X = np.linspace(-1, 1, plotS)

# ガウス分布の確率密度関数


def gaussDist(x, mu, sig2):
    ret = np.exp(-(x - mu)**2 / (2 * sig2)) / np.sqrt(2 * np.pi * sig2)
    return ret


# 真の分布
mu_r = 0
sig2_r = 0.05
Y_r = gaussDist(X, mu_r, sig2_r)

np.random.seed(10)
for i in range(3):
    plt.subplot(3, 1, i + 1)
    plt.ylim([0, 7])

    # 訓練データ
    N = 2
    x_t = np.random.randn(N) * np.sqrt(sig2_r) + mu_r
    plt.plot(x_t, np.zeros(x_t.shape[0]), 'bo')

    # 最尤推定した分布
    mu_ML = x_t.sum() / N
    sig2_ML = ((x_t - mu_ML)**2).sum() / N
    Y_ml = gaussDist(X, mu_ML, sig2_ML)
    plt.plot(X, Y_ml, 'r')

    # 真の分布
    plt.plot(X, Y_r, 'g')
# plt.savefig("/Users/Narifumi/Desktop/test.png")
# plt.figure("/Users/Narifumi/Desktop/test.png")

plt.show()