将分布拟合到数据 - MATLAB
kel*_*_11 5 statistics matlab distribution
我正在尝试将分布拟合到我从显微镜图像中收集的一些数据.我们知道大约152的峰值是由于泊松过程.我想将分布拟合到图像中心的大密度,而忽略高强度数据.我知道如何将正态分布拟合到数据(红色曲线),但它不能很好地捕获右侧的重尾.尽管泊松分布应该能够将尾部建模到右侧,但它也没有做得很好(绿色曲线),因为分布的模式是152.
PD = fitdist(data, 'poisson');
λ= 152的泊松分布看起来非常类似高斯.
有没有人知道如何拟合一个能够很好地捕获数据右尾的分布？
分布有点像Ex-Gaussian(参见第一个维基百科图中的绿线),即正态和指数随机变量的混合模型.
另外,您是否知道,尽管泊松过程的事件是泊松分布的,但事件之间的等待时间是指数分布的？鉴于高斯噪声会增加到您的测量中,理论上可能会出现前高斯分布.(当然这并不意味着这也是合理的.)
有关使用MatLab拟合前高斯的教程可以在
Lacouture Y,Cousineau D.(2008)如何使用MATLAB将前高斯和其他概率函数拟合到响应时间的分布.心理学定量方法教程4(1),p.35-45. http://www.tqmp.org/Content/vol04-1/p035/p035.pdf
| 归档时间： |
|
| 查看次数： |
22955 次 |
| 最近记录： |