我有一個關於正態分佈的問題(使用mu = 0
和sigma = 1
)。操作數據以更好地擬合高斯分佈
讓我們說,我先打電話randn或normrnd這樣
x = normrnd(0,1,[4096,1]); % x = randn(4096,1)
現在,評估x值如何般配正態分佈,我叫
[a,b] = normfit(x);
,並有圖形支持
histfit(x)
現在來到這個問題的核心:如果我對如何不滿意如何X適合給定的正態分佈,如何優化X爲了更好地適應預期正態分佈與0意味着和1標準偏差 ??有時會因爲一些表示值(在這種情況下,即),X適合真的很差預期高斯,所以我想操縱X(線性或不的,它並沒有真正的問題在這一階段),以獲得更好的健身。
我想說我可以訪問統計工具箱。
編輯
我所做的例子有
normrnd
和randn
引起我的數據應該和預期有正常的分佈。但是,在這個問題中,這些功能只會有助於更好地理解我的關注。是否可以應用最小二乘擬合?
一般來說我得到的分佈是類似以下內容:
我
也許你會更好的運氣比用僞隨機數,如果你的數據集是小準隨機數。 http://www.mathworks.com/help/stats/generating-quasi-random-numbers.html – Dan 2013-03-19 10:28:28
如果您向我們展示您的發行版的外觀,那將有所幫助。 – Memming 2013-03-19 14:59:01
你上傳的內容看起來很適合我。你可能只需要更多的樣本。 – Memming 2013-03-19 15:14:14