MATLAB通过ks检验寻找数据概率分布的最优拟合

有时在数据处理过程中需要对数据进行概率分布拟合。当具有多组数据，且不清楚这些数据是否具有相同分布特征的情况下，如何寻找最优的拟合方式？尝试提出以下解决办法。

运用到的两个核心函数为fitdist以及kstest。

首先，列出数据可能符合的概率分布函数（具体可以查看fitdist官方说明文档中的“分布名称”一栏：对数据进行概率分布对象拟合 - MATLAB fitdist - MathWorks 中国），将其分别对数据进行拟合，主要代码为pd=fidist(data,distname);

然后分别对原数据及拟合各个函数进行KS检验，选择ks统计量最小的拟合函数作为最优分布，主要代码为：[h,p,kstat,cv]=kstest(data,'CDF',pd);

示例代码如下：

flist={‘Gamma’;‘Weibull’;‘gev’;‘gp’;‘Lognormal’;‘Logistic’;‘Rayleigh’;‘Exponential’} %创建拟合函数库。博主处理的是自然地理数据，选择以上8个函数进行拟合

for i=1:length(flist)

    pd{i}=fidlist(data,flist{i}); %其中data必须为单列数据

    [~,~,kstat(i),~]=kstest(data,'CDF',pd{i});   

end

kmin=min(kstat);  %寻找最小ks统计量

bestf=pd{kstat==kmin};  %输出最小ks统计量对应的最优拟合分布