我有一个大小为13x200的真实数据矩阵，其中包含N=13个时间实例中T=200个传感器的读数。我想用高斯模型对每行读数进行建模。
因此，对于每个传感器i=1,...N（对于矩阵的每一行），我计算均值和方差，然后计算该数据向量的概率密度函数（PDF），其将获得大小{{ 1}}。
我想从该PDF矢量中抽取200个高斯样本。我怎么能用MATLAB做到这一点？
答案 0 :(得分：0)
如果s是您的标准偏差且m是您的意思，您可以从Guassian发行版获得N随机值，如下所示：
v = randn(N,1) * s + m;
从测量的PDF中绘制随机值更加挑剔。首先计算累积分布：
cpdf = cumsum(pdf);
cpdf = cpdf / max(cpdf); % make sure it's normalized
然后绘制一个介于0和1之间的值，均匀分布，并查找首次达到此值的bin：
p = rand(1);
c = find(cpdf >= p, 1, 'first');
理想情况下，您可以使用插值来获得CPDF超过所选值的确切位置。我将这作为练习留给读者。 ;）
修改
这不是你要求的，而是我认为你需要的。您从200个样本中计算200个PDF值。这是没有意义的。您不能以这种方式充分准确地建模PDF，随机抽取的样本将只是镜像您的输入值。
如果要绘制200个接近200个输入样本的随机值，请执行以下操作：
data + randn(size(data)) * s;
你选择s为小w.r.t.数据的标准差。也许你每行需要不同的s。