或者是伽马分布

Question

我有一些测量数据，可以是一个很好的高斯分布，也可以是一个伽马分布，我目前有以下代码（代码片段），它对良好的高斯分布的数据执行得很好：

def gaussFunction(x, A, mu, sigma):
    return A*numpy.exp(-(x-mu)**2/(2.*sigma**2))

# Snippet of the code that does the fitting
p0 = [numpy.max(y_points), x_points[numpy.argmax(y_points)],0.1]
# Attempt to fit a gaussian function to the calibrant space
try:
  coeff, var_matrix = curve_fit(self.gaussFunction, x_points, y_points, p0)
  newX = numpy.linspace(x_points[0],x_points[-1],1000)
  newY = self.gaussFunction(newX, *coeff)
  fig =  plt.figure()
  ax = fig.add_subplot(111)
  plt.plot(x_points, y_points, 'b*')
  plt.plot(newX,newY, '--')
  plt.show()

证明它适用于高斯分布良好的数据点：

但问题是，我的一些数据点与良好的高斯分布不匹配，我得到：

我很想尝试使用cubic spline，但从概念上讲，我希望坚持高斯曲线拟合，因为这是数据中应该包含的数据结构（如第二个图所示，在某些数据中可能会出现拐点或尾部）。如果有人对如何处理这个“问题”有任何建议或建议，我将不胜感激。在