Matlab 数据拟合高斯分布

我有一个向量

y

，包含1440个值（值在0-1之间），看起来像高斯分布。 因此，我想找到最适合高斯分布的模型

x=1:1440;
[sigma_,mu_] = gaussfit(x,y);
norm = normpdf(x,mu_,sigma_);

我的问题是norm中的值远小于

y

中的值，即

norm

中的值的顺序为

10-3

，而y中的值介于

0-1

之间

然后，我必须添加一个额外的步骤，以便将norm中的值在0和1之间标准化

norm_data = (norm - min(norm)) / ( max(norm) - min(norm) );

我的程序正确吗？（sigma和mu的估计，normpdf，归一化） 有没有一种方法可以直接拟合表示概率的原始数据

---

y

可以下载

假设您正在使用此功能，如果您检查功能的头部：

% REMARKS:
% The function does not always converge in which case try to use initial
% values sigma0, mu0. Check also if the data is properly scaled, i.e. p.d.f
% should approx. sum up to 1

这意味着在安装之前，你需要确保

sum（y）==1+err

是一个小错误

你的

y

的

sum（y）

为

470.1964

，这与

1

相去甚远。对数据进行规格化，使之和在拟合前等于1

编辑

事实上，如果数据不正常（或多或少，它接受0.5-1.5范围内的数据），则函数会正常化。而且效果非常好。由于函数内部对

y

进行了规范化，如果要将结果

norm

与

y

进行比较，需要对

y

进行规范化或反规范化

norm

 % normalize y
 plot(x,norm,x,y./sum(y))
 % denormalize norm
 plot(x,norm*sum(y),x,y)

在任何一种情况下（但规模不同）：

---

gaussfit（x，y）将标准化的高斯拟合到数据中。如果数据未规范化，则无法正常工作。如何正确安装的问题得到了回答

您好，谢谢您的回答，但是函数gaussfit已经规范化了数据，如果它们不是。。。我的问题是估计的pdf值比经验值小得多…@gabboshow我从函数中复制了文本。这意味着函数不会规范化数据。否则文本就不会在那里了。再读一遍我的答案，规范化

y

应该很简单。请注意，如果您处理的是统计数据，

y

必须标准化，否则它在概念上是错误的。请参见函数gaussfitOK的第56行，因此，如果是这种情况，我将像以前一样对范数进行缩放，使其概率介于0和1之间。谢谢。@gabboshow不要将标准值缩放为

[01]

范围。由于

gaussfit

不要求

y

正好有一个pdf（它可以在0.5到1.5之间），如果您按我所示的比例缩放它，将其乘以

sum（y）

，效果会更好。在您发布的示例中，它并不重要，但对于

y

的其他值来说，它将很重要。