5

我正在尝试将分布拟合到我从显微镜图像中收集的一些数据中。我们知道大约 152 处的峰值是由泊松过程引起的。我想将分布拟合到图像中心的大密度，同时忽略高强度数据。我知道如何将正态分布拟合到数据（红色曲线），但它不能很好地捕捉右侧的重尾。虽然泊松分布应该能够将尾部建模到右侧，但它也做得不是很好（绿色曲线），因为分布的众数为 152。

PD = fitdist(data, 'poisson');

lambda = 152 的泊松分布看起来非常像高斯分布。

有谁知道如何拟合能够很好地捕获数据右尾的分布？

在此处输入图像描述

链接到显示数据的图像以及我在分布拟合方面的尝试。

4

2 回答 2

7

该分布看起来有点像前高斯分布（参见第一个维基百科图中的绿线），即正态随机变量和指数随机变量的混合模型。

在旁注中，您是否知道，虽然泊松过程的事件是泊松分布的，但事件之间的等待时间是指数分布的？鉴于在您的测量中添加了高斯噪声，理论上可能存在前高斯分布。（当然这并不意味着这也是有道理的。）

可以在 MatLab 中找到有关使用 MatLab 拟合前高斯的教程

Lacouture Y, Cousineau D. (2008) 如何使用 MATLAB 将前高斯和其他概率函数拟合到响应时间的分布。心理学定量方法教程 4 (1), p。35-45。 http://www.tqmp.org/Content/vol04-1/p035/p035.pdf

于 2012-05-08T20:06:49.233 回答
2

看看这个：http: //blogs.mathworks.com/pick/2012/02/10/finding-the-best/

它审查了以下关于拟合分布的 FEX 提交：http: //www.mathworks.com/matlabcentral/fileexchange/34943

于 2012-05-08T18:53:57.927 回答