matlab自动画出类正态分布图

有,用normcdf(x,0,1)就是标准正态分布的分布函数.如果是带平均值和方差μ和σ的正态分布,用normcdf(x,mu,sigma)标准正态分布就是mu=0,sigma=1的特例.例如>>no

给你个例子,自己改区间x=(0:1000)/1000;y=0.5*pi^(0.5)*(erf(x)-erf(-inf));plot(x,y);

你是用什么检验的matlab有jbtest和kstest的函数据我所知ks检验是利用累计分布去测试是否符合某个分布的你这里的所谓ks分布5条gauss曲线是怎么来的?貌似曲线本身是多峰gauss曲线再

使用randn或者normpdfrandn产生标准正态分布转成需要的非正态分布：r=μ+δ*randn(m,n);normpdf产生正态分布normpdf(x,μ,δ)x为范围

分布的正太性检验：x为你要检验的数据.loadxhistfit(x);normplot(x);从这两个图中可以看出是否近似服从正太分布.然后估计参数：[muhat,sigmahat,muci,sigm

解题思路：关于高考解题过程：你好，正态分布是人教A版的一个高考考点，但是，北京高考会不会出现关于正态分布的题目，那就难说，所以既然是考点，就必须弄清楚。不过，正态分布这个考点比较简单，也好学。最终答案

mu1=[-1,2];Sigma2=[11;13];%输入均值向量和协方差矩阵[X,Y]=meshgrid(-3:0.1:1,-2:0.1:4);xy=[X(:)Y(:)];%产生网格数据p=mvnp

CTRL+I

mu和sigma?用拟合即可.再问：不晓得咋写

a=[];figure(1);hist(a);%作频数直方图figure(2);normplot(a);%分布的正态性检验[muhat,sigmahat,muci,sigmaci]=normfit(a

你具体是要算什么?如果是已知x=一个值.,求N(x),可以用px=normcdf(x,MU,SIGMA).MU为均值,SIgMUA为标准差.如果写成normcdf(x),则默认MU为0,SIgMUA为

xcorr计算自相关；fft求取相关的傅里叶变换即可得到功率谱密度,具体用法请查阅matlab自带的帮助文档.

matlab上有现成的函数,函数名称为：mvnrnd（mu,sigma,cases,t)帮助文件如下MVNRNDRandomvectorsfromthemultivariatenormaldistri

ezplot(@(x)normpdf(x,a,b),[mn])其中a为均值,b为方差,[m,n]为从m到n的正态分布随机数.再问：如果没有告诉区间，只告诉4组样本的容量，分别是10,20,30,50,

x=3+randn(500,1);>>mean(x)ans=2.9648>>std(x)ans=1.0134>>y=normpdf(x,3,1);>>plot(x,y,'.')

MATLAB里有直接的函数.调用语法如下：（正态分布又被称为高斯分布）y=gaussmf(x,[sigc])其中x是变量,sig就是你图片里的σ,而c就是你图片里的μ,比如：下面是一个例子,你可以直接

点击“图形——概率分布图”在新弹出的对话框中,选择单一试图,确定分布类型选择正态,输入均值,标准差,然后确定即可.

x=(0:0.02:10);y=lognpdf(x,1.73,0.22);figure,subplot(121);plot(x,y);grid;xlabel('x');ylabel('p')%这是对数

第一：正态分布不存在最大值和最小值第二：面积就是概率,需要正态分布的参数就足够了（均值和方差）

%产生0~1均匀分布m=1000;n=10;u=rand(m,n);%产生a~b均匀分布a=-1;b=1;x=a+(b-a)*u;%正态分布函数的逆是求不出来的%只能通过瑞利分布产生%产生时需要两个0