У меня есть вопрос относительно нормального распределения (сmu = 0 а такжеsigma = 1).

Допустим, я сначала называю randn или normrnd таким образом

x = normrnd(0,1,[4096,1]); % x = randn(4096,1)

Теперь, чтобы оценить, насколько хорошие значения x соответствуют нормальному распределению, я называю

[a,b] = normfit(x);

и иметь графическую поддержку

histfit(x)

Теперь перейдем к сути вопроса: если я недостаточно удовлетворен тем, как x соответствует данному нормальному распределению, как я могу оптимизироватьx для того, чтобылучше соответствует ожидаемому нормальному распределению с участием0 означает а также1 стандартное отклонение?? Иногда из-за нескольких значений представления (т.е.4096 в этом случае),x очень плохо соответствует ожидаемому гауссову, так что я хочу манипулироватьx (линейно или нет, на данном этапе это не имеет большого значения), чтобы получить лучшую физическую форму.

Я хотел бы отметить, что у меня есть доступ к статистической панели инструментов.

РЕДАКТИРОВАТЬ

Я сделал пример сnormrnd а такжеrandn потому что мои данные должны и должны иметь нормальное распределение. Но, в рамках вопроса, эти функции полезны только для лучшего понимания моей заботы.

Можно ли будет применить примерку наименьших квадратов?

Обычно дистрибутив, который я получаю, похож на следующий:

мой