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:
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);