【matlab正态分布函数命令】在MATLAB中，正态分布是一种常见的概率分布，广泛应用于统计分析、信号处理和数据建模等领域。MATLAB提供了多个与正态分布相关的函数，用于生成随机数、计算概率密度函数（PDF）、累积分布函数（CDF）以及进行参数估计等操作。以下是对常用正态分布函数命令的总结。
一、常用正态分布函数命令总结
| 函数名称 | 功能说明 | 示例用法 |
| `normpdf` | 计算正态分布的概率密度函数值 | `y = normpdf(x, mu, sigma)` |
| `normcdf` | 计算正态分布的累积分布函数值 | `y = normcdf(x, mu, sigma)` |
| `norminv` | 计算正态分布的逆累积分布函数（分位数） | `x = norminv(p, mu, sigma)` |
| `normrnd` | 生成服从正态分布的随机数 | `r = normrnd(mu, sigma, [m,n])` |
| `normfit` | 对给定数据进行正态分布参数估计 | `[muhat, sigmahat] = normfit(data)` |
| `normlike` | 计算正态分布的对数似然函数 | `logL = normlike(params, data)` |
二、使用示例
1. 生成正态分布随机数
```matlab
mu = 0;% 均值
sigma = 1; % 标准差
r = normrnd(mu, sigma, 100, 1);% 生成100个正态分布的随机数
```
2. 计算概率密度函数
```matlab
x = -3:0.1:3;
y = normpdf(x, 0, 1);
plot(x, y);
title('标准正态分布PDF');
```
3. 计算累积分布函数
```matlab
p = normcdf(1.96, 0, 1);% 计算Z=1.96时的累积概率
disp(p);% 输出约为0.975
```
4. 参数估计
```matlab
data = normrnd(5, 2, 100, 1);% 生成100个均值为5，标准差为2的数据
[muhat, sigmahat] = normfit(data);% 估计均值和标准差
disp(['估计均值：', num2str(muhat)]);
disp(['估计标准差：', num2str(sigmahat)]);
```
三、注意事项
- 所有函数中的 `mu` 表示均值，`sigma` 表示标准差。
- 若未指定参数，函数默认使用标准正态分布（均值为0，标准差为1）。
- 在使用 `normfit` 进行参数估计时，建议提供足够多的数据以提高估计精度。
通过以上函数，用户可以在MATLAB中高效地进行正态分布的相关计算与分析，适用于科研、工程及数据分析等多个领域。
