Matlab 将生成的数据与测量的数据进行比较

我们已经测量了数据，我们设法确定了它所遵循的分布类型（伽马）及其参数（A，B）

我们使用for-loop从相同的分布、相同的参数和相同的范围（18.5到59之间）生成了n个样本（10000）

for i=1:1:10000
tot=makedist('Gamma','A',11.8919,'B',2.9927);
tot= truncate(tot,18.5,59);
W(i,:) =random(tot,1,1);
end

然后，我们尝试使用以下方法拟合生成的数据：

h1=histfit(W);

在此之后，我们尝试绘制伽马曲线，以比较同一图形上的两条曲线：

hold on
h2=histfit(W,[],'Gamma');
h2(1).Visible='off';

问题s两条曲线移动如下图所示“图1为先前代码生成的数据，图2未截断生成的数据”

有人知道为什么吗

---

提前感谢

默认情况下，

histfit

在直方图上拟合正态概率密度函数（PDF）。我不确定你到底想做什么，但你所做的是：

% fit a normal PDF
h1=histfit(W); % this is equal to h1 = histfit(W,[],'normal');

% fit a gamma PDF
h2=histfit(W,[],'Gamma');

显然，这将导致不同的拟合，因为普通PDF！=伽马PDF。您看到的唯一一件事是，对于gamma PDF，它更适合曲线，因为您从该分布中采样了数据

如果要检查数据是否遵循特定分布，也可以使用。就你而言

% check if the data follows the distribution speccified in tot
[h p] = kstest(W,'CDF',tot) 

如果数据遵循伽马距离，则h=0且p>0.05，否则h=1且p<0.05

现在，对您的代码进行一些一般性评论： 请向上看，这将大大加快循环速度。例如

W = zeros(10000,1);
for i=1:1:10000
    tot=makedist('Gamma','A',11.8919,'B',2.9927);
    tot= truncate(tot,18.5,59);
    W(i,:) =random(tot,1,1);
end

而且

不依赖于循环中的索引，因此可以移动到循环前面以进一步加快速度。这也是一种很好的做法

但实际上可以跳过整个循环，因为

random（）

允许一次返回多个样本：

tot=makedist('Gamma','A',11.8919,'B',2.9927);
tot= truncate(tot,18.5,59);
W =random(tot,10000,1);

---

截断将改变分布。@pjs我们在没有截断的情况下尝试了相同的代码，并且两条曲线也发生了移动。首先感谢您的有用评论，它们将加快程序的速度。我的问题是如何比较从特定分发中生成的数据，以确保它符合从中生成的分发类型？？为什么要检查？如果您直接从特定分布中采样，则已经给出它遵循该分布。但是如果您想检查某些数据是否遵循某个分布，您可以a）目视检查

histfit

曲线是否拟合良好，或者b）使用KS测试（稍微复杂一点）我们使用了交换文件“allfitdist.m”Mike Sheppard写的，它给出了最适合我们测量数据的曲线是Gamma，当我们在生成的数据上再次使用它时，它给出了另一个具有不同参数的分布，为什么？问题是，在给定正确参数的情况下，许多分布彼此相似。如果同时绘制GEV和gamma距离的PDF，使用给定的参数，您将看到形状看起来几乎相同。因此，即使数据中的细微变化也可以交换最佳匹配距离。。这意味着两个区都是。很好地拟合数据，您可以选择两个分布中的任何一个—这不会产生明显的差异。但我会选择伽马距离，因为它的参数较少（奥卡姆剃刀）

tot=makedist('Gamma','A',11.8919,'B',2.9927);
tot= truncate(tot,18.5,59);
W =random(tot,10000,1);