是否使用matlab检查天气预测值是否遵循高斯分布？

我使用高斯过程进行预测。现在让我们假设预测值存储在大小为1900 x 1的

x

中。现在我想检查它的分布是否遵循高斯分布。我需要这个来比较其他方法预测值的分布函数，比如NN，KNN，来判断哪个是平滑高斯分布函数还是正态分布函数

我怎么能做到？如果我能以数值数据的形式得到一些结果就更好了。代码编写如下，

m=平均值（ypred）；%r均值
s=std（ypred）；%r的stdev
pd=makedist（'Normal'，'mu'，m，'sigma'，s）；%用mu=m和sigma=s进行概率分布
[h，p]=kstest（ypred，'CDF'，pd）；%计算它是正态分布的概率

ypred

值是从matlab的

fitrgp

获得的输出。随附

ypred

值样本

这是测量值和预测值的残差

qq\u图。
您可以：

其中，
p
为服从正态分布的概率，
h=1
若无效假设被拒绝，显著性为0.05。由于零假设是“它遵循正态分布”，因此
h=0
意味着它是正态分布的

由于本例中的
x
是从正态分布中取样的，因此很可能
h=0
和
p>0.05
。如果您使用

x = 1 + 2.*rand(1000,1); % sampled from uniform distribution

如果你的预测是基于高斯过程的，那么
h
很可能是1，
pI不知道：那么根据定义，这些数据是正态分布的？否？是的，但我正在与其他方法（如NN、KNN）进行比较，并想知道其中哪一种方法遵循平滑高斯函数或正态分布函数。我确实这样做了，但我正在寻找数值结果。QQ情节都是关于图形效果的。没错。然后，您需要的是
kstest
——但您需要一些知识才能正确地进行测试。但坦率地说，在这种情况下，图形分析和数值分析一样有效，但你不能说：“是的，那些数据是正态分布的”或“不是的，那些数据不是正态分布的”。泊松分布可以类似于正态分布。但是你可以用“Kolmogorov-Smirnov检验”来检验服从正态分布的概率。这个r值是来自我的预测值还是测量输入值？如果没有，那么如何将输出结果放入代码中。从输入值的ur代码u中可以看出。如何将获得的预测值添加到此代码中？我可以看到，但我的问题是，使用的变量u用于输入或预测输出结果，在本例中为x？使用您的代码后，我从两种方法收到这些值，分别为p=6.5987e^-09和p=2.2983e^-11。这意味着什么？是否p=6.5987e^-09方法比p=2.2983e^-11方法更平滑？正态分布与“平滑”无关。只是有些统计方法需要数据服从正态分布才能正常工作。该输出表明这两个数据集不太可能是正态分布的。你能用你实际做的事来编辑你的问题吗？只是为了确保你用正确的方法实现了它，qq图是剩余图。我附上了我写的代码，请看一看。我确信q图是非常正确的，但不知何故kktest编码是错误的。
x = 1 + 2.*rand(1000,1); % sampled from uniform distribution