Mam pytanie dotyczące normalnej dystrybucji (zmu = 0 isigma = 1).

Powiedzmy, że najpierw nazywam randn lub normrnd w ten sposób

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

Teraz, aby ocenić, jak dobre wartości x pasują do rozkładu normalnego, dzwonię

[a,b] = normfit(x);

i mieć wsparcie graficzne

histfit(x)

Przejdźmy teraz do sedna pytania: jeśli nie jestem wystarczająco zadowolony z tego, jak x pasuje do danego rozkładu normalnego, jak mogę zoptymalizowaćx w celulepiej pasuje do oczekiwanego rozkładu normalnego z0 oznacza i1 odchylenie standardowe?? Czasem z powodu kilku wartości reprezentacji (tj.4096 w tym przypadku),x pasuje bardzo słabo do oczekiwanego Gaussa, więc chcę manipulowaćx (liniowo lub nie, na tym etapie nie ma to większego znaczenia, aby uzyskać lepszą kondycję.

Chciałbym zauważyć, że mam dostęp do statystycznego zestawu narzędzi.

EDYTOWAĆ

Zrobiłem przykład znormrnd irandn ponieważ moje dane są przypuszczalnie i mają normalny rozkład. Ale w pytaniu funkcje te są pomocne tylko w celu lepszego zrozumienia mojej troski.

Czy byłoby możliwe zastosowanie dopasowania najmniejszych kwadratów?

Ogólnie otrzymana dystrybucja jest podobna do następującej:

Mój