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