将数据拟合到正态分布

Question

将数据拟合到正态分布

matlabgaussiannormal-distribution

3

我希望有些数据能够适应相应的高斯分布。

这些数据本意上已经是高斯分布，但因为一些过滤原因，它们不会完全符合规定和预期的高斯分布。因此，我的目标是减少现有数据与期望分布之间的离散程度。

例如，我的数据如下符合高斯分布（期望均值为0，标准差为0.8）:

enter image description here

近似已经很好了，但我真的想降低模拟数据和期望分布之间仍然存在的离散程度。

我该如何做到这一点?

编辑

到目前为止，我引入了一种安全因素，定义为:

SF = expected_std/actual_std;

然后

new_data = SF*old_data;

这种方法使标准差与期望值相匹配，但从我的理解来看，这个过程似乎相当简陋。

- fpe

数据允许如何操作？ - Eitan T

数据包含一定的功率谱，我希望保留它。只要功率谱保持不变，数据就可以被“任意”操纵以适应预期的正态分布。 - fpe

你有访问统计工具箱的权限吗？ - devrobf

修改标准偏差对正态概率图没有任何影响。 "散点"来自于分布有些"胖"的事实（在尾部，总是存在无限值的问题）。 - Jonas

@Jonas：我怎样才能利用非线性变换？你介意给我指点一下吗？ - fpe

显示剩余6条评论

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Jonas · Accepted Answer

如果您不想对分布进行任何非线性变换，那么您所能做的就是调整均值和标准差。

%# 1. adjust the mean (do this even if the offset is small)
data = data - mean(data);

%# 2. adjust the standard deviation
data = data/std(data) * expected_SD;