Вопрос по matlab – Подгонка распределения к данным - MATLAB

5

Я пытаюсь приспособить распределение к некоторым данным, которые я собрал из микроскопических изображений. Мы знаем, что пик около 152 обусловлен пуассоновским процессом. Я хотел бы согласовать распределение с большой плотностью в центре изображения, игнорируя при этом данные высокой интенсивности. Я знаю, как подогнать нормальное распределение к данным (красная кривая), но он не делает хорошую работу по захвату тяжелого хвоста справа. Хотя распределение Пуассона должно быть в состоянии моделировать хвост справа, оно также не очень хорошо работает (зеленая кривая), потому что режим распределения - 152.

<code>PD = fitdist(data, 'poisson');
</code>

Распределение Пуассона с лямбда = 152 выглядит очень гауссовски.

У кого-нибудь есть идеи, как подобрать дистрибутив, который хорошо справится с захватом правого хвоста данных?

enter image description here

Ссылка на изображение, показывающее данные и мои попытки подбора дистрибутива.

Ваш Ответ

2   ответа
2

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

он рассматривает следующее представление FEX о соответствующих распределениях:http://www.mathworks.com/matlabcentral/fileexchange/34943

Спасибо! В соответствии с этим, обобщенное распределение экстремальных значений представляется подходящим. :) kelvin_11
Благодарю.allfitdist действительно хороший инструмент!
7

Экс-Gaussian (см. зеленую линию на первом рисунке в Википедии), то есть смешанную модель нормали и экспоненциальной случайной величины.

Кстати, знаете ли вы, что, хотя события пуассоновского процесса распределены по Пуассону, время ожидания между событиями распределено экспоненциально? Учитывая, что к вашим измерениям добавлен гауссов шум, теоретически возможно распределение ex-gaussian. (Конечно, это не значит, что это также правдоподобно.)

Учебник по подгонке экс-гауссиана с MatLab можно найти в

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

Вау, это действительно проницательный комментарий. Экс-гауссиан может быть теоретически правильным распределением для моделирования интенсивности фона. kelvin_11

Похожие вопросы