Люди здесь были полезны в прошлом с вопросами, как это, и я провел весь день, пытаясь выяснить, что делать, но не мог найти ответа.

У меня есть матрица R данных Пирсона, что я хотел разгладить с помощью гауссова Kernal и использовать для создания Z-баллов, из которых я тогда определить область интереса. Сглаживания делают улучшить отношение сигнала к шуму, но я думаю, Z-баллы подавляются за счет процесса сглаживания. Когда я выполняю преобразование рыболова (т.е. R->Z преобразование) на выровненных данных стандартного отклонения меньше, чем можно было бы ожидать из набора значений R Пирсона, которые я думаю, может привести к нарушению Z-баллам. Мое решение было "регулировать" то Z десятки сглаженных данных путем умножения каждого значения матрицы соотношением STDEV (данных) / STDEV (SmoothedData) ... где STDEV = стандартное отклонение.

Результат можно увидеть в нижней левой панели, синие кривые только там для справки:



Могу ли я сделать что-то здесь не так?