Mekkora a normál eloszlás, ha a szórás nulla?

Megértettem, hogy a normál eloszlás nincs meghatározva, ha a szórás nulla, de kezelnem kell azt az esetet, amikor az összes érték egyenlő egy számítógépes algoritmusban. A következő módszernek érvényes értéket kell adnia, még akkor is, ha a szórás nulla. Hogyan javíthatom ki ezt a módszert, hogy ne oszoljon nullával?

public static double NormalDist(double x, double mean, double standard_dev) { double fact = standard_dev * Math.Sqrt(2.0 * Math.PI); double expo = (x - mean) * (x - mean) / (2.0 * standard_dev * standard_dev); return Math.Exp(-expo) / fact; } 

Az volt az ötletem, hogy ezt beillesztem a módszer elejébe:

 if (standard_dev == 0.0) { return x == mean ? 1.0 : 0.0; } 

Ez helyes lenne?

Megjegyzések

• Nem tettél ' t " fix " it. A normál eloszlás PDF-je nincs meghatározva $ \ sigma = 0 $ esetén, ez ' nem olyan, mint a " fix "
• @Aksakal egy fontos kérdésre mutat rá: pontosan hogyan kívánja használni a NormalDist -t az algoritmusában?
• Ezt egy na ï ve bayes classsifer. ' megpróbál osztályt választani egy edzéskészlet adatai alapján. Számomra, ha úgy tűnik, hogy ha a paraméterek összes értéke megegyezik, akkor azok nem befolyásolhatják az eredményt. Például, ha azt vizsgáljuk, hogy a cipő mérete hogyan esik az eloszlásba, annak megállapítására, hogy egy személy (az osztály) férfi vagy nő-e, de ha éppen így történik, hogy az elosztásban lévő összes személynek pontosan ugyanaz a cipőmérete, akkor a cipő méretét nem lehet megkülönböztetni, ezért azt el kell hagyni a megfontolásoktól. Ezt az esetet szeretném kezelni.
• Talán nem a módszer kimenetének megváltoztatásában rejlik a válasz, hanem abban, hogy ezt az értéket csak teljesen kidobjuk.