Statistics 用MATLAB拟合累积分布函数

当我将使用绘图时，如何使以下数据更加拟合

这是我的代码，使用cdfplot绘制

clear all; 
close all;
y = [23 23 23 -7.59 23 22.82 22.40 13.54 -3.97 -4.00 8.72 23 23 10.56 12.19 23 9.47 5.01 23 23 23 23 22.85 23 13.61 -0.77 -14.15 23 12.91 23 20.88 -9.42 23 -1.37 1.83 14.35 -8.30 23 15.17 23 5.01 22.28 23 21.91 21.68 -4.76 -13.50 14.35 23]
cdfplot(y)

你可以试试

h = cdfplot(y)
cftool( get(h,'XData'), get(h,'YData') )

---

你的问题没有明确的答案，它太宽泛了，主要属于统计学。在进行任何计算之前，您应该回答以下问题：

• 是否有数据遵循的特定分发类型
• 选择一种分销类型而放弃其他分销类型是否有任何理论依据
• 我需要参数分布还是非参数分布
• 如果不能选择特定的分发类型，我应该调查哪一组分发
• 如何比较分布
• 我应该使用什么样的拟合方法，例如等
• 如何对待不确定性
• 我想如何以及为了什么使用结果
• 等等

如果不回答这些问题，讨论数据的拟合分布是毫无意义的。 我给你一个例子，如何在Matlab中使用最大似然法进行拟合，只是为了举例说明，但我强烈建议你在不考虑以上几点的情况下使用它

由于我并没有关于数据性质的额外背景信息，正态分布和非参数分布被拟合以说明1个参数分布和1个非参数分布

cdfplot(y)
hold on
xx = -20:40;
%normal distribution
pd_norm = fitdist(y', 'normal');

F_norm = normcdf(xx, pd_norm.mu, pd_norm.sigma);
plot(xx, F_norm, 'r')

%kernel distribution
pd_kernel1 = fitdist(y', 'kernel', 'Kernel', 'normal', 'Width', 6);

F_kernel1 = cdf(pd_kernel1, xx);
plot(xx, F_kernel1, 'g')

%kernel distribution
pd_kernel2 = fitdist(y', 'kernel', 'Kernel', 'normal', 'Width', 2);

F_kernel2 = cdf(pd_kernel2, xx);
plot(xx, F_kernel2, 'black')

legend('ecdf', 'normal', 'kernel1', 'kernel2', 'Location', 'NorthWest')

---

如何定义“更合身”？产生经验累积分布函数，没有拟合。是的，cdfplot中没有拟合，这就是为什么我的图形像楼梯。我希望它更加平滑完全正确，只是一个小小的补充：从非统计的角度来看，可以简单地使用平滑插值方法，例如三次平滑样条线（

csaps

，来自曲线拟合工具箱）。这在概念上类似于核估计，但与固定的核带宽相比，它可能更好地适应局部平滑度。非常感谢您广泛地回答我的问题谢谢您的建议，但正如前面提到的，并非所有数据都适合曲线拟合工具箱。