我正在尝试对从显微镜图像中收集的一些数据进行分布拟合。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),因为分布的模式为 152。
PD = fitdist(data, 'poisson');
lambda = 152 的泊松分布看起来非常像高斯分布。
有没有人知道如何拟合能够很好地捕获数据右尾的分布?
Link to an image showing the data and my attempts at distribution fitting.
最佳答案
分布看起来有点像 Ex-Gaussian (见第一个维基图中的绿线),即正态和指数随机变量的混合模型。
附带说明一下,您是否知道,尽管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?鉴于将高斯噪声添加到您的测量中,理论上可以实现前高斯分布。 (当然这并不意味着这也是有道理的。)
有关使用 MatLab 拟合前高斯分布的教程可以在
Lacouture Y, Cousineau D. (2008) How to use MATLAB to fit the ex‐Gaussian and other probability functions to a distribution of response times. Tutorials in Quantitative Methods for Psychology 4 (1), p. 35‐45. http://www.tqmp.org/Content/vol04-1/p035/p035.pdf
关于matlab - 拟合数据分布 - MATLAB,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/10504539/