Discussion :

[Elody73]

Bonjour,

je cherche à ajuster une densité de probabilité.
Je m'explique: je travaille sur des simulations de données sismiques. Je pars des temps d'attente ("dt" entre chaque évènement), la distribution de densité est calculée dans un programme qui me restitue 30 valeurs de densité (associées à 30 intervalles de "dt"). Je ne conserve pas tous les "dt" (il y en 1000 par simulation, et j'en fait 10000 à la suite).

Dans mon fichier final, j'ai donc 10000*30 valeurs, me permettant de tracer 10000 courbes (jusque là, ok) dont je fais une courbe moyenne (unique).

Voilà donc ma question: existe- t'il une fonction sous Matlab permettant d'ajuster cette courbe (qui semble suivre une loi exponentielle décroissante) afin d'en connaitre les coefficients directeurs?

[Merel]

Salut,

si ta courbe résultat ressemble à une exponentielle, je te dirais de travailler à partir du log pour la linéariser.

Tu trouveras les coeff directeurs et tu auras juste à repasser en exp.

[Elody73]

Merci

j'y ai bien pensé, mais ma courbe est un peu plus compliquée que ca... (j'ai mis un exemple de 2 courbes moyennes en pj.).

En fait pour être précise, ma courbe suit plutot une distribution gamma incluant la loi exponentielle. Son équation est de la forme :

p(dt)=C*dt^(-b)*exp(-a*dt) avec C, b et a les coefficients.

[salseropom]

Salut, regarde du côté de lsqnonlin et de fmincon. Je ne vois pas d'autres idée

[salseropom]

Salut,

si ta courbe résultat ressemble à une exponentielle, je te dirais de travailler à partir du log pour la linéariser.

Tu trouveras les coeff directeurs et tu auras juste à repasser en exp.

Ce n'est pas tout à fait une bonne idée. Dans la théorie c'est juste, mais dans la pratique, tu perds toute la dynamique de ton système car le fait de passer au log "rapprochera" les valeurs et donc tu auras un fort poids sur tes petites valeurs un faible poids sur tes grandes valeurs

En revanche, l'astuce que tu cites peut donner une bonne estimation des paramètres à optimiser puis ensuite tu ajustes le modèle non linéaire