matlab如何画正态分布的概率密度函数曲线

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

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);

如果是指“在一个坐标中作两个图”,可以用holdonholdon;%%%%%图形可以叠加holdoff%%%%%关闭holdon命令,

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

Fm,fm输入后sigma=normpdf(norminv(Fm,0,1),0,1)/fmmiu=m-sigma*norminv(Fm,0,1)

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

mvnrnd(mu,sigma,number)——产生number个均值为mu,协方差矩阵为sigma的正态分布随机数例子：mvnrnd([1,2],[21;14],100)

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

x=norminv(p,mu,sigma),p为下分位概率值,mu为期望,sigma为方差再问：谢谢，可以了，想问一下’p为下分位概率值‘中的下分位是什么意识？再答：小于等于x的概率值

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

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

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

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

=0.647;mu1=83.1;sigma1=14;mu2=136.64;sigma2=16.32;x=zeros(1,10000);fori=1:10000r1=rand;x(i)=(mu2+sig

%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