Tengo algunos datos, y estoy tratando de identificar su distribución. El más cercano que puedo conseguir es una sesgada-de la distribución Gaussiana, pero creo que no lo es. Los datos en sí consta de 130000 puntos y se discretizan con el Freedman–Diaconis regla.
También traté de Poisson, Normal-Registro, la gamma y la chi-cuadrado de distribuciones que tienen la forma correcta, pero los parámetros nunca coinciden con los datos. Aquí es un gráfico de los datos:
La curva negra es la mejor aproximación puedo conseguir-la sesgada de Gauss, sin embargo si lo intento y generar un conjunto de datos artificiales con el ajuste de los resultados (usando Mathematica SkewNormalDistribution[...]) no coincide con el conjunto original en todo.
Estoy añadiendo algunas más información aquí. Los datos que aquí se muestra es el ruido de fondo de múltiples espectros adquiridos de experimento. Quiero entender las características de este ruido, para que yo pueda reproducir en la simulación.
Para ello he tratado de ajuste de la distribución del histograma he mostrado aquí para probar y determinar la distribución espectral de ruido de la toma. Si tengo éxito de ajuste, puede utilizar el extraídos de ajuste de parámetros para generar los datos simulados. Por ejemplo, con un Skew-Normal de distribución que se puede extraer $\mu$, $\alpha$, e $\sigma$ y, a continuación, el uso de estos para generar mi simulado de distribución.
Aquí es un crudo diagrama de probabilidad que he hecho rápidamente (tengo poco contacto con este tipo de tramas soy incapaz de hacer algo más inteligente):
Voy a añadir algo más de información como la fuente de los datos parece ser relevante. Los datos que se muestran en el histograma viene de la amplitud del ruido de fondo de algunos espectros FFT. La unidad de los datos se registran en el es $\rm{dBV_{pk}}$, que es $20\log_{10}(V_{pk})$ he extraído $V_{pk}$ y se multiplica por $10^6$ para fines de ajuste (normalmente es más fácil para el ajuste de datos a escala). Los voltajes estoy tratando con son, en consecuencia, de la $\rm{\mu V}$ escala. Por lo tanto todo lo que existe entre $0$ e $1$ en el histograma.
Yo habría ESPERADO de esta distribución a ser blanco Gaussiano. Que es lo que Johnson-Nyquist ruido es (al menos en el régimen soy de medición en). Pero claramente no lo es. Hay algo que hacer aquí, y es por eso que quiero saber la distribución. Es Gaussiano complicados con un Boltzmann? Posiblemente, pero poco probable que el gradiente de temperatura sería demasiado empinada. Es esta una consecuencia de algunos de filtro en la entrada de mi FFT analizador de espectro? Estoy de acuerdo con las distribuciones de mucho, pero yo nunca he visto nada como esto, así que ahí estoy pidiendo a los stats de los expertos!
Así que creo que es probable que sea necesario para mostrar lo que estoy tratando desde el principio. En el siguiente gráfico podemos ver un espectro FFT:
Esta es una FFT de algunos datos transitorios (no tengo acceso a la transitoria de la misma). Los puntos rojos son el pico de las características-me deje CAER desde el conjunto de datos para los propósitos de estas discusiones y sólo tomar los círculos azules. Estoy interesado en la distribución de estos círculos, para muchos, muchos espectros. Así que hay una que subyacen a la señal que se oyó, pero el ancho de línea de la función es tan pequeña ($\rm{mHz}$ nivel) espero que el resto de los datos no esté sesgado por el pico de la función. La amplitud de los datos ha sido linearised originalmente en $20\log_{10}(V_{pk})$ unidades. Mirando los espectros ya se puede ver que no es exactamente blanco, pero por eso quiero aprender acerca de la distribución.
En caso de que ayuda aquí es la misma de los datos, pero a la izquierda en su original $\rm{dB_{V_{pk}}} = 20\log_{10}(V_{pk})$ formulario. Esto se ve como una sesgada distribución normal, así que supongo que siempre podría trabajar desde este ángulo y convertir los resultados de vuelta a mis unidades lineales para uso en simulación.
