Выполните аппроксимирование кривыми и подбор кривой распределения и узнайте, когда каждый метод подходит.

Используйте копулы для генерации данных из многомерных распределений, когда существуют сложные отношения между переменными или когда отдельные переменные из различных распределений.

Подгонка одномерных распределений с использованием оценок наименьших квадратов совокупных функций распределения. Это в целом применимый метод, который может быть полезен в случаях, когда максимальная правдоподобность падает, для образца некоторых моделей, которые включают в себя параметр порога.

Используйте функцию mle Statistics and Machine Learning Toolbox™, чтобы подобрать пользовательские распределения для одномерной обработки данных.

Используйте несколько более совершенных методов с функцией mle Statistics and Machine Learning Toolbox™, чтобы соответствовать пользовательским распределениям для одномерной передачи данных. Методы включают подгонку моделей к цензурированным данным и рисунок некоторых числовых деталей подбора кривой с пользовательскими распределениями.