matlab - 操纵数据以更好地适应高斯分布

Question

我有一个关于正态分布的问题(mu = 0 和 sigma = 1)。

假设我首先以这种方式调用 randn 或 normrnd

x = normrnd(0,1,[4096,1]); % x = randn(4096,1)

现在，为了评估 x 值与正态分布的拟合程度，我调用

[a,b] = normfit(x);

并有图形支持

histfit(x)

现在来到问题的核心:如果我对 x 如何符合给定的正态分布不够满意，我该如何优化 x 以更好地符合预期的正态分布具有0 均值 和1 标准差 的分布??有时由于表示值很少(即本例中的 4096)，x 非常不符合预期的高斯分布，所以我想操纵 x (线性与否，现阶段并不重要)以获得更好的适应度。

我想说明一下，我可以访问统计工具箱。

编辑

1. 我用 normrnd 和 randn 做了这个例子，因为我的数据应该和期望有正态分布。但是，在问题中，这些功能仅有助于更好地理解我的担忧。

2. 是否可以应用最小二乘拟合？

3. 通常我得到的分布类似于以下内容:

我的

Answer 1

或许，您可以尝试规范化输入数据，使均值 = 0 和西格玛 = 1。像这样:

y=(x-mean(x))/std(x);