顕微鏡画像から収集したデータに分布を当てはめようとしています。約 152 のピークはポアソン過程によるものであることがわかっています。高強度データを無視しながら、画像の中心にある大きな密度に分布を当てはめたいと思います。正規分布をデータ (赤い曲線) に適合させる方法はわかっていますが、右側の重い裾をうまく捉えることができません。ポアソン分布は右側の裾をモデル化できるはずですが、分布の最頻値が 152 であるため、あまりうまくいきません (緑色の曲線)。
PD = fitdist(data, 'poisson');
ラムダ = 152 のポアソン分布は、非常にガウス分布に似ています。
データの右端をうまく捉える分布を適合させる方法を知っている人はいますか?
分布は、元ガウス分布（最初のウィキペディアの図の緑色の線を参照）、つまり、正規分布と指数確率変数の混合モデルに少し似ています。
ちなみに、ポアソン過程のイベントはポアソン分布ですが、イベント間の待機時間は指数分布していることをご存知ですか？測定にガウスノイズが追加されていることを考えると、理論的には元ガウス分布が可能である可能性があります。（もちろん、これはこれももっともらしいという意味ではありません。）
元ガウス分布をMatLabに適合させるためのチュートリアルは、次の場所にあります。
Lacouture Y、Cousineau D.（2008）MATLABを使用して、元ガウス関数およびその他の確率関数を応答時間の分布に適合させる方法。心理学のための定量的方法のチュートリアル4（1）、p。35〜45。 http://www.tqmp.org/Content/vol04-1/p035/p035.pdf
これを見てください：http://blogs.mathworks.com/pick/2012/02/10/finding-the-best/
フィッティング分布に関する次の FEX 提出物を確認します: http://www.mathworks.com/matlabcentral/fileexchange/34943