用matlab画正态分布图

mu=0;%均值sigma=1;%标准差ezplot(@(x)normcdf(x,mu,sigma),[mu-3*sigma,mu+3*sigma])

matlab只能通过仿真来模拟,而不是准确的概率密度函数.具体程序是下边这样的.x1=2+randn([100000,1]);x2=4+randn([100000,1]);Y=714+807*(x1)

x=linspace(-3,3);y=normpdf(x,0,1);figure('color','w');plot(x,y,'k');holdon;fill([x(80:end)x(end)x(80

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);

[xy]=meshgrid(-5:0.1:5);z=1/(2*pi).*exp(-x.^2-y.^2);h=mesh(x,y,z);set(h,'edgecolor','non

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

normcdf求得是分布函数你应该用normpdf来计算概率密度.

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.

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

x=-3:0.2:3;>>y=normpdf(x,0,1);>>plot(x,y)二维：

fplot('(1/sqrt(2*pi))*exp(-0.5*x^2)',[-44],'r');title('密度函数曲线');

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

两句话：1.正态分布（normaldistribution）又名高斯分布（Gaussiandistribution）2.cftool里面也可以自定义拟合的表达式.

clc;clear;close u=0.0178/100;thegama= 0.00707/100;x=linspace(u-3*thegama,u+3*thegama,10000

可以用hist(data,N)画数据的分布啊再问：可以再具体些么？具体操作。这样我看不懂(⊙o⊙)啊！再答：hist(data,N)这个data是指你的那组数据，N的话是指你要分为多少个点进行画。你先

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

Matlab中本身有Q函数,即qfunc()其反函数是qfuncinv()--------------------------------helpqfuncqfuncQfunctionSyntaxy=