我有一個相當容易理解的問題。轉換數據以適合正態分佈
我有一組數據,我想估計這個數據有多好,符合標準正態分佈。要做到這一點,我開始與我的代碼:
[f_p,m_p] = hist(data,128);
f_p = f_p/trapz(m_p,f_p);
x_th = min(data):.001:max(data);
y_th = normpdf(x_th,0,1);
figure(1)
bar(m_p,f_p)
hold on
plot(x_th,y_th,'r','LineWidth',2.5)
grid on
hold off
圖1看起來像下面這樣:
不難發現,配合相當差,altough的鐘形狀可以被發現。主要問題在於我的數據差異。
要找出occurrances適當數量的我的數據箱應該自己,我這樣做:
f_p_th = interp1(x_th,y_th,m_p,'spline','extrap');
figure(2)
bar(m_p,f_p_th)
hold on
plot(x_th,y_th,'r','LineWidth',2.5)
grid on
hold off
這將導致如下圖。 :
因此,問題是:我怎麼能擴展我的數據塊以匹配高斯分佈在圖2 ?
注意
我想強調的重點一點:我不想找到的最好分佈擬合數據; 問題是顛倒:從我的數據開始,我想操縱它,最終它的分佈合理地符合高斯函數。
不幸的是,目前,我還沒有真正的想法如何執行這個數據「過濾器」,「變換」或「操縱」。
任何支持將受到歡迎。
如何爲這個問題從以前的最後兩個問題有什麼不同([這](http://stackoverflow.com/questions/15496804/manipulate -data-to-better-fit-a-gaussian-distribution)和[this](http://stackoverflow.com/questions/15473064/fit-data-to-normal-distribution))? – 2013-03-21 14:13:21
到目前爲止我還沒有得到任何有價值的答案!所以我試圖調整這個問題以使它更易於讀者閱讀。 – fpe 2013-03-21 14:17:19
我認爲最好的辦法是通過_editing_,而不是發佈新的問題。但那只是我的看法,當然。 – 2013-03-21 14:18:34