我有一个关于正态分布的问题(mu = 0
and sigma = 1
).
假设我首先这样调用 randn 或normrnd
x = normrnd(0,1,[4096,1]); % x = randn(4096,1)
现在,为了评估 x 值对正态分布的拟合程度,我调用
[a,b] = normfit(x);
并有图形支持
histfit(x)
现在来到问题的核心:如果我对 x 如何拟合给定的正态分布不够满意,我该如何优化x为了更好地拟合预期的正态分布 with 0 mean and 1 个标准差??有时是因为表示值很少(即4096在这种情况下),x与预期的高斯分布非常不相符,所以我想操纵x (线性或非线性,在这个阶段其实并不重要),以获得更好的健身效果。
我想指出的是,我可以访问统计工具箱。
EDIT
我用这个例子做了normrnd
and randn
因为我的数据应该呈正态分布。但是,在问题中,这些功能只会有助于更好地理解我的担忧。
是否可以应用最小二乘拟合?
Generally the distribution I get is similar to the following:
![enter image description here](https://i.stack.imgur.com/9Frbe.png)
My
也许,您可以尝试将输入数据标准化为mean=0和sigma=1。像这样:
y=(x-mean(x))/std(x);
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)