Выполните подбор кривой аппроксимирования кривыми и распределения, и обсуждает, когда каждый метод является соответствующим.

Используйте связки, чтобы сгенерировать данные из многомерных дистрибутивов, когда существуют сложные отношения среди переменных, или когда отдельные переменные от различных дистрибутивов.

Подходящие одномерные распределения с помощью оценок методом наименьших квадратов кумулятивных функций распределения. Это - обычно применимый метод, который может быть полезным в случаях, когда наибольшее правдоподобие перестало работать, например, некоторые модели, которые включают пороговый параметр.

Используйте функцию Statistics and Machine Learning Toolbox™ mle, чтобы соответствовать пользовательским дистрибутивам к одномерным данным.

Используйте еще некоторые усовершенствованные методы с функцией Statistics and Machine Learning Toolbox™ mle, чтобы соответствовать пользовательским дистрибутивам к одномерным данным. Методы включают подходящие модели в подвергнутые цензуре данные и рисунок некоторых числовых деталей подбора кривой пользовательскими дистрибутивами.