我对统计数据的了解微不足道，抱歉。我有大量的测量振幅。在没有信号的情况下，假设噪声具有正态分布。当存在具有比周围噪声更高幅度的信号时，分布的形状在正侧更加拖尾。我在考虑使用偏度来检测信号。但是与体积本身相比，振幅较大的区域（体积中的细胞）相当小。因此，我们谈论的是数以千计的细胞，总共数千个细胞。如果正态分布的偏度为零，我如何在我的体积中提取那些导致非零偏度的单元格。如果说，我的偏度值是0.5，有没有办法丢弃所有单元格，只保留那些提高偏度值的单元格。也许我听起来不太清楚，但这只是表明我对这个主题的了解有多少。
提前致谢。
答案 0 :(得分：3)
在我看来，问题可能最好建模为混合模型：我们有高斯背景
B~N（0，sigma）
和一个信号，海报没有指明特定模型。
如果我们可以假设信号也采用一种（或可能是几种混合）高斯（s）的形式，那么使用EM算法的高斯混合建模可能是解决它的好方法（参见维基百科）。
分段语境中的一篇好文章就在这里：
http://www.fil.ion.ucl.ac.uk/~karl/Unified%20segmentation.pdf
如果我们不能做出这样的假设，我会使用稳健的回归方法来估计高斯噪声的参数，其中信号被视为异常值，例如，最小修剪的方块（再次见维基百科）。
然后可以通过（Bonferroni校正的）假设检验找到异常细胞，如例如所述。在本文中：