将数据拟合到正态分布答案

【问题标题】：Fit data to normal distribution将数据拟合到正态分布
【发布时间】：2013-03-06 13:37:14
【问题描述】：

我想要一些数据来拟合对应的高斯分布。

数据本来应该是高斯分布，但由于某些过滤原因，它们不会完全匹配规定和预期的高斯分布。因此，我的目标是减少数据和所需分布之间的现有分散。

例如，我的数据拟合高斯分布如下（期望均值为0，标准差为0.8）：

近似值已经不错了，但我真的很想处理模拟数据和预期分布之间仍然有形的分散。

我怎样才能做到这一点？

编辑

到目前为止，我已经引入了一种安全系数，定义为：

SF = expected_std/actual_std;

然后

new_data = SF*old_data;

这样标准差与预期值匹配，但根据我的理解，这个过程看起来很差。

【问题讨论】：

数据如何被操纵？
数据体现了一定的功率谱，我想保留它。只要功率谱保持不变，就可以“任意”操纵数据以适应预期的正态分布。
您可以访问统计工具箱吗？
修改标准差不会改变正态概率图中的任何内容。 “分散”来自这样一个事实，即您的分布有点太“胖”（在尾部，总是存在您永远无法获得无穷大值的问题）。
@Jonas：你说得对，我已经意识到我目前使用的流程所隐含的缺点；这就是为什么我说这是一个糟糕的方法。而且，在谈到我的分布形状时，你是对的。

标签： matlab gaussian normal-distribution

【解决方案1】：

如果您不想对分布进行任何非线性变换，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;

【讨论】：

但无法在预期的高斯分布和我拥有的真实数据之间进行最小化过程？
@fpe：所以您愿意对数据应用非线性变换吗？
我们可以试一试，然后我会检查这是否意味着我想要的结果有任何不必要的失真。感谢您的支持，顺便说一句:)
@fpe：抱歉，我现在在路上。