数据拟合为正态分布(Fit data to normal distribution)

我想一些数据，以适应相应的高斯分布。

该数据意味着高斯了，但对于一些过滤原因，他们不会完全匹配的规定和预期高斯分布。 因此，我的目标是减少数据和期望的分布之间的现有分散。

例如，我的数据拟合高斯分布如下（预期平均值为0并且标准差0.8）：

近似已经是体面的，但我真的想紧缩模拟数据和预期分布的还是实实在在的散射。

我怎样才能做到这一点？

编辑

到现在为止，我已经慢慢引入安全系数，其定义为：

SF = expected_std/actual_std;

然后

new_data = SF*old_data;

这样的标准差与预期值匹配，但这个过程看起来相当差，从我的理解。

Answer 1:

如果你不想让分布的任何非线性变换，所有你能做的就是调整的平均值和标准偏差。

%# 1. adjust the mean (do this even if the offset is small)
data = data - mean(data);

%# 2. adjust the standard deviation
data = data/std(data) * expected_SD;

文章来源: Fit data to normal distribution