1.normpdf
功能:正态分布概率密度函数
用法
Y = normpdf(X,mu,sigma)Y = normpdf(X) % (mu = 0, sigma = 1)Y = normpdf(X,mu) % (sigma = 1)
例子
% code1% 画标准正态分布概率密度函数x = -10:0.01:10;y = normpdf(x, 0, 1);plot(x,y);grid on;
结果:
自己写一个正态分布概率密度函数
% code2% 画正态分布概率密度函数% 写成了函数function [] = normal_distribution()x = -10:0.01:10;y = fx(x, 0, 1); % 自写函数plot(x,y);grid on;% 概率密度函数function f = fx(x, miu, sig)f = (sqrt(2*pi)*sig).^(-1) * exp(-(x-miu).^2/(2*sig*sig));
结果:
2.normcdf
功能:正态分布函数
用法
p = normcdf(x) % 标准正态分布p = normcdf(x,mu,sigma)
例子
% code3% 画正态分布函数x = -10:0.01:10;y = normcdf(x, 0, 1);plot(x,y);grid on;
结果:
3.norminv
功能:正态分布分位数
用法
X = norminv(P,mu,sigma)
例子
分位数的意思就是,如有:
P{ X≥xα}=α
则称 xα为 X的上侧 α分位数。 norminv(1-0.05,0,1)
结果:1.6449
4.normrnd
功能:生成正态随机数
用法:
R = normrnd(mu,sigma) % 生成一个数R = normrnd(mu,sigma,m,n,...) % 生成m*n列向量
例子:
>> normrnd(0,1)ans = 1.4122>> normrnd(0,1,5,3)ans = 0.0226 0.9199 -0.7777 -0.0479 0.1498 0.5667 1.7013 1.4049 -1.3826 -0.5097 1.0341 0.2445 -0.0029 0.2916 0.8084
5.normfit
功能:正态分布参数估计
用法
[muhat,sigmahat] = normfit(data) % 点估计mu和sigma[muhat,sigmahat,muci,sigmaci] = normfit(data) % 区间估计,默认置信度95%[muhat,sigmahat,muci,sigmaci] = normfit(data,alpha) % 置信度100(1 - alpha) %
例子:
>> r=normrnd(0,1,100,2); % 生成100*2和标准正态分布>> [muhat,sigmahat] = normfit(r) % 点估计mu和sigmamuhat = -0.1214 -0.1076sigmahat = 0.9723 1.0072>> [muhat,sigmahat,muci,sigmaci] = normfit(r) % 区间估计,默认置信度95%muhat = % 点估计 -0.1214 -0.1076sigmahat = 0.9723 1.0072muci = -0.3143 -0.3074 0.0715 0.0923sigmaci = % 区间估计 0.8537 0.8843 1.1295 1.1701>> [muhat,sigmahat,muci,sigmaci] = normfit(r,0.05) % 置信度100(1 - alpha) %muhat = % 点估计 -0.1214 -0.1076sigmahat = 0.9723 1.0072muci = % 区间估计 -0.3143 -0.3074 0.0715 0.0923sigmaci = 0.8537 0.8843 1.1295 1.1701