在MATLAB中仅找到相关点

[poster]

我有一个MATLAB函数，可在样本中查找特征点。不幸的是，它仅在大约90％的时间内有效。但是，当我知道应该看样品中的哪个位置时，可以将其增加到几乎100％。因此，我想知道MATLAB中是否有一个函数可以让我找到大多数结果所在的范围，从而可以重新计算特征点。我有一个可以存储所有结果的向量，正确的结果应在-24.000至24.000之间的3％范围内。错误的结果总是低于正确的范围。不幸的是，我的统计背景很生疏，所以我不确定如何称呼它。有人可以提示我要什么吗？是否在MATLAB中内置了一个函数，该函数可以使我获得尽可能小的范围，例如90％的结果位于该范围内。

编辑：很抱歉，如果我不明确我的问题。向量中的所有内容只能在-24.000到24.000之间。我的结果中大约90％的范围大约为1.44（[24-（-24）] * 3％= 1.44）。这些很有可能是正确的结果。剩余的10％不在该范围内，并且始终较低（为什么我不确定采用均值是个好主意）。这10％是错误的，是由于我输入数据中出现的错误造成的。要找到剩余的10％，我想重复我的计算，但是现在我只想检查较小的范围。因此，我的目标是确定我的正确范围在哪里。删除我在该范围之外找到的值。然后重新计算我的值，而不是在-24.000和24.000之间的范围内，而是在一个小范围内重新计算，我已经找到了90％的值。


回答：
您正在寻找的相关点是百分位数 ：

% generate sample data data = [randn(900,1) ; randn(50,1)*3 + 5; ; randn(50,1)*3 - 5]; subplot(121), hist(data) subplot(122), boxplot(data) % find 5th, 95th percentiles (range that contains 90% of the data) limits = prctile(data, [5 95]) % find data in that range reducedData = data(limits(1) < data & data < limits(2)); 存在其他检测异常值的方法 ，例如IQR异常值测试和三个标准偏差规则 ，以及许多其他方法：

%% three standard deviation rule z = 3; bounds = z * std(data) reducedData = data( abs(data-mean(data)) < bounds ); 和

%% IQR outlier test Q = prctile(data, [25 75]); IQ = Q(2)-Q(1); %a = 1.5; % mild outlier a = 3.0; % extreme outlier bounds = [Q(1)-a*IQ , Q(2)+a*IQ] reducedData = data(bounds(1) < data & data < bounds(2));
顺便说一句，如果要获取与曲线下90％面积对应的z值（ |X|