我认为这是使用histfit
完成的
但是,histfit
并不真正使用我的数据。条形超过曲线。我的数据并非真正正常分布,但我希望所有的箱子都在曲线内,除了一些异常值。有没有办法适合高斯并在上图中绘制它?
我希望能够适应高斯,并保留一些价值观作为ouliers。我需要仅使用正态分布,因为它将基于数据正态分布的假设在卡尔曼滤波器中使用。不是真正正常分布的事实肯定会影响滤波器的性能,但我必须首先用正态分布的参数,即mean和std。
我不确定你是否理解拟合是如何工作的,如果你的数据有点高斯,函数会根据数值绘制拟合曲线,有些条形将高于某些条形,这一切都取决于最小化方法是如何最小化的。整个曲线。你不能强迫合身看起来不同,这是装配过程的结果。如果您的数据不是正常分布的,那么拟合的好处就很差。没有更多的信息或数据,这是我能回答的最好:)