Matlab中已知取值区间求解正态分布参数的方法咨询

你需要使用的是截断正态分布（Truncated Normal Distribution），普通无界正态分布天然存在生成区间外样本的可能，截断正态分布可以严格约束样本落在[100,200]范围内，同时保留正态分布的形态特征。

1. 参数估算逻辑 #

根据你是否已有区间内的实际采样点，分为两种估算场景：

• 仅已知区间上下限、无实际采样点时，通常用工业界通用的±3σ覆盖原则（对应覆盖99.73%的概率质量）推导参数：
  均值直接取区间中点：μ = (100+200)/2 = 150
  半区间长度对应3σ，因此标准差：σ = (200-100)/(2*3) ≈ 16.67
• 已有区间内的实际采样点时，可以直接用最大似然估计拟合得到对应数据集的最优μ和σ，不需要额外先验假设。

2. Matlab 实现代码 #

2.1 生成[100,200]范围内的截断正态分布样本 #

如果安装了Matlab统计工具箱，可以直接调用官方截断分布函数：

% 基础参数定义
xmin = 100;
xmax = 200;
n = 1000; % 生成样本量可自行调整
mu = 150; % 可替换为你自己估算/拟合的均值
sigma = 16.67; % 可替换为你自己估算/拟合的标准差

% 生成截断正态样本，所有样本严格落在[xmin, xmax]区间内
pd = makedist('Normal','mu',mu,'sigma',sigma);
t_pd = truncate(pd,xmin,xmax);
x = random(t_pd,1,n);

如果没有统计工具箱，可以用逆变换采样手动实现：

xmin = 100;
xmax = 200;
mu = 150;
sigma = 16.67;
n = 1000;

% 计算区间上下限对应的正态分布累积概率
p_low = normcdf(xmin, mu, sigma);
p_high = normcdf(xmax, mu, sigma);
% 均匀分布映射为截断正态分布
u = rand(1, n);
x = norminv(p_low + u.*(p_high - p_low), mu, sigma);

2.2 从已有区间内样本估算正态分布参数 #

如果你已经有了区间内的采样点数据集data，可以直接拟合得到最优参数：

% data为你从原始数据中提取的[100,200]区间内的点集
pd_fit = fitdist(data(:), 'Normal', 'Lower', 100, 'Upper', 200);
mu_est = pd_fit.mu % 输出估算得到的均值
sigma_est = pd_fit.sigma % 输出估算得到的标准差

注意事项 #

• 仅给定区间上下限的场景下没有唯一的参数解，需要结合业务场景调整截断概率假设，比如要求95%概率覆盖区间的话可以调整σ的计算逻辑为半区间长度/1.96。
• 你之前生成的是均匀分布样本，均匀分布同区间下的标准差约为28.87，和截断正态分布的参数逻辑不同，不要直接混用参数。

内容的提问来源于stack exchange，提问作者abdelkarim lamghari