私は顕微鏡画像から収集したデータに分布をあてようとしています。我々は、約152のピークがポアソン過程に起因することを知っている。高輝度データを無視して、画像の中央に大きな濃度に分布をフィットさせたいと思います。データ（赤い曲線）に正規分布を当てはめる方法はわかっていますが、右の太い尾を捕らえてはいけません。ポアソン分布は右に尾をモデル化することができるはずですが、分布のモードは152データを分布にフィットさせる - MATLAB
PD = fitdist(data, 'poisson');
ポアソン分布であるので、それは、どちらか（緑の曲線を）非常に良い仕事をしません。ラムダ= 152は非常にガウスのように見えます。
データの右端をキャプチャするのに良い仕事をするディストリビューションをどのようにフィットさせるか考えている人はいますか？
Link to an image showing the data and my attempts at distribution fitting.
分布は、ビット（参照Ex-Gaussianのように見えます第1のウィキペディア図の緑色の線）、すなわち、確率変数と指数関数の混合モデルである。
ポアソンプロセスのイベントはポアソン配信されますが、イベント間の待機時間は指数関数的に分散されることに注意してください。測定にガウスノイズが加わった場合、理論的にはガウス分布が可能です。 （もちろん、これは、これはまた、もっともらしいことを意味するものではありません。）
MATLABにEX-ガウスのフィッティングのチュートリアルが
Lacouture Y、Cousineau D.（2008） 方法の中に見つけることができますex-Gaussianと他の確率関数を応答時間の分布に合わせるためにMATLABを使用します。 心理学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
これを見て取る：それはフィッティング分布に関する次のFEXの提出を検討http://blogs.mathworks.com/pick/2012/02/10/finding-the-best/
ありがとうございます！これによれば、一般化された極値分布は良い適合と思われる。 :) –
ありがとう。 [allfitdist]（http://blogs.mathworks.com/pick/2012/02/10/finding-the-best/）は本当にいいツールです！ – Isaac
うわー、これは本当に洞察力のあるコメントです。 ex-gaussianは、背景強度をモデル化するための理論的に正しい分布であるかもしれない。 –