Origin高斯擬合,獲得粒徑分布、平均粒徑和標準偏差

一、正態(tài)檢驗
二、頻率統(tǒng)計&直方圖
三、高斯擬合
四、計算平均值和標準偏差(平均粒徑和標準偏差)
Origin軟件可以進行數(shù)據(jù)統(tǒng)計,用于獲得粒徑分布、平均粒徑和標準偏差等。
正態(tài)分布(Normal distribution),又名高斯分布(Gaussian distribution),使用高斯擬合之前,要判斷數(shù)據(jù)是否符合高斯分布。判斷:(1)大致判斷:我們獲得的一組數(shù)據(jù),可以統(tǒng)計出該組的頻數(shù)分布并畫出直方圖,根據(jù)直方圖的形狀可以大致判斷其和正態(tài)曲線是否相似;(2)正態(tài)檢驗。
一、正態(tài)檢驗
正態(tài)檢驗:原假設(shè)為“樣本來自的總體與正態(tài)分布無顯著性差異,即符合正態(tài)分布”,檢驗得到的P>0.05說明資料符合正態(tài)分布。
1、選中該列數(shù)據(jù),點擊Statistics-Descriptive?Statistics-Normality Test-Open Dialog。不用修改對話框中的默認設(shè)置,直接點擊OK,就獲得了正態(tài)檢驗結(jié)果。
? Statistics?統(tǒng)計;Descriptive?Statistics?描述性統(tǒng)計:一種統(tǒng)計方法;Normality Test?正態(tài)檢驗;Open Dialog?打開對話框,對要操作的項目進行設(shè)置。
??在對話框中,Input Data 表示輸入數(shù)據(jù),也就是我們選中的這一列即將操作正態(tài)檢驗的數(shù)據(jù),這里不再需要修改,直接點擊OK。通常正態(tài)分布的檢驗方法有兩種,一種是Shapiro-Wilk檢驗,適用于小樣本資料(SPSS規(guī)定樣本量≤5000),另一種是Kolmogorov–Smirnov檢驗,適用于大樣本資料(SPSS規(guī)定樣本量>5000)。軟件已經(jīng)默認勾選Shapiro-Wilk檢驗,這里不再需要修改。


2、點擊新出現(xiàn)的NormalityTest1,這就是正態(tài)檢驗的結(jié)果,結(jié)果顯示“At the 0.05 level, the data was significantly dean from a normality distributed population”,表明數(shù)據(jù)符合正態(tài)分布。

二、頻率統(tǒng)計&直方圖
1、軟件Origin,選中該列數(shù)據(jù),點擊Statistics-Descriptive Statistics-Frequency?Counts-Open Dialog。
2、彈出的對話框中進行設(shè)置。Minimun Bin Beginning和Maximun Bin End分別是統(tǒng)計的起始值和最終值,也就是統(tǒng)計的范圍??梢怨催xAuto,軟件會自動給出起始值和最終值;通常我們是自行設(shè)置,取消勾選Auto,輸入自己想要的起始值和最終值,覆蓋整組數(shù)據(jù),在這里我設(shè)置為15和55,因為我的這組數(shù)據(jù)數(shù)值在該范圍內(nèi)。Bin Size是統(tǒng)計的步長,我設(shè)置為5。意味著:我將該組數(shù)據(jù)在各個范圍(15≤x<20、20≤x<25、25≤x<30、30≤x<35、35≤x<40、40≤x<45、45≤x<50、50≤x<55)?進行頻率統(tǒng)計。
勾選Bin Center和Relative Frequency,這兩項一定要勾選,用于后續(xù)畫圖。Frequency in里面有Fraction和Percent兩項可選,分別表示以小數(shù)或百分數(shù)來顯示頻率,按需要選擇,我們一般選擇Percent。Bin center就是各個范圍的中值,我上面劃分的范圍得到的中值就是17.5、22.5、27.5、32.5、37.5、42.5、47.5、52.5。

3、結(jié)果中出現(xiàn)的FreqCounts1就是得到的頻率統(tǒng)計結(jié)果。

4、選中上圖中頻率統(tǒng)計的結(jié)果,分別以Bin Center和Relative Frequency為橫、縱坐標畫出直方圖。

三、高斯擬合
選中直方圖,點擊Analysis-Fitting-Nonlinear Fit-Open Dialog。在Function里面,選擇Gauss。



四、計算平均值和標準偏差(平均粒徑和標準偏差)



