matlab cdf 曲线不平滑,拟合经验CDF曲线以找到确切的值

您可以通过查找形状(σ)和地点(μ)参数最适合在最小曲线得到F(X)的近似值广场感。

下面是一个“榜样”设置噪声“测试数据”与正态分布(类似于你的采样数据)：

>> % ytest = f(xtest, mutest, sigtest) % sample test data

>> xtest = linspace(-10, 10, 100); % independent variable linearly spaced

>> mutest = rand(1, 1) - 0.5; % random location parameter

>> sigtest = 1 + rand(1, 1); % random shape parameter

>> ytest = normcdf(x, mutest, sigtest) + rand(1, 100)/10; % distribution

mutest =

0.2803

sigtest =

1.6518

现在你可以使用fminsearch找到的形状和位置参数假设正常分配。我们需要提供一个我们希望最小化的目标函数，因此我们创建一个匿名函数，它是理想的正态累积分布函数与测试数据之间残差的标准。该函数具有2维，[μ,σ]，我们将其作为向量传递。我们还需要提供初始猜测fminsearch。

>> % objective function with normal distribution

>> % mu(1) = location parameter (mean)

>> % mu(2) = shape parameter (standard deviation)