matlab正态分布_matlab正态分布随机矩阵

用matlab求正态，高斯分布的函数值

产生一个随机分布的指定均值和方的矩阵：将randn产生的结果乘以标准,然后加上期望均值即可.例如,产生均值为0.6,方为0.1的一个55的随机数方式如下：

N(3,9)分布可以randn()函数产生由随机数组成的数组,通过N(0,1)分布（标准正态分布）得到.

matlab正态分布_matlab正态分布随机矩阵

matlab正态分布_matlab正态分布随机矩阵

设X～N(0,1),则3X＋3服从N(3,9)分布.

注意3X＋3中的两个3的含义不同,个3表示标准为3,第二个3表示均值为3!

Matlab中产生正态分布随机数的函数是n3.9894e-001ormrnd(mu,sigma)

N(3,9)分布可以通过N(0,1)分布（标准正态分布）得到.

设X～N(0,1),则3X＋3服从N(3,9)分布.

注意3X＋3中的两个3的含义不同,个3表示标准为3,第二个3表示均值为3!

Matlab中产生正态分布随机数的函数是normrnd(mu,sigma)

matlab求正态分布一个区间的概率的代码

clc;fclose(fid); %将数据写入文本文件clear

function calNormCdf(a,b)

4166% 函数功能：计算标准正态分布区间[a，b]的概率

p = normcdf([a b]);

怎么用matlab验证正态分布并给出正态分布的表达式？

legend('统计数据',['对数正态分布:mu=' num2str(p(2)) ',sigma=' num2str(p(3))],...

分布的正太性检验：

x为你要检验的数据。

load x

histfit(x);

从这两个图中可以看出是否近似服从正太分布。

muhat , sigmahat,mu14960ci,sigmaci 分别表示均值、方、均值的0.975.72547175置信区间、方0.95置信区间。

其中h为布尔变量，h=0表示不拒绝零设，说明均值为mahat的设合理。若h=1则相反；

ci表示0.95的置信区间。

sig若比0.5大则不能拒绝零设，否则相反。

已知一组数据服从正态分布，怎么用matlab画出其正态分布曲线

Matlab自带正态分布函数

d75.985ata =

66.64198113

>> %求出均值u

u =

7下面是运算结果

如何在MATLAB中进行正态分布检验

function Norm_Distribution_Box_Muller

a = [];

fi[h,sig,ci]=ttest(x,muhat);gure(1);

hist(a); %作频数直方图

figure(2);b=rand;

normplot(a); %分布的正态性检验

[muhat,sigmahat,muci,sigmaci]= normfit(a) %参数估计 均值,方,均值的0.95置信区间,方的0.95置信区间

[h,sig,ci] = ttest(a,muhat) %设检验

% 看均值、方是否在置信区间内

matlab中二元正态分布函数

plot([xmean xmean],[0 ymean],'c','linewidth',2);

function [data1, data2] = twogaussian(n1,mu1,cov1,n2,mu2,cov2); % % [data1, data2] = twogaussian(n1,mu1,sigma1,n2,mu2,sigma2); % % Function to simulate data from 2 Gaussian densities in d dimensions % and to plot the data in the first 2 dimensions % % INPUTS: % n1, n2: two integers, size of data set 1 and 2 respectively % mu1, mu2: two vectors of dimension 1 x d, means % for data set 1 and 2 % cov1, cov2: two matrs of dimension d x d, covariance % matrs for data set 1 and 2 respectively % % OUTPUTS: % data1: n1 x d matrix of data for data set 1 % data2: n2 x d matrix of data for data set 2 % check that the dimensionality of the mu's and sigma's are consistent d1 = length(mu1); d2 = length(mu2); if (d1~=d2) error('means are of different lengths'); end; d = length(mu1); % d is the dimensionality of the data [d1 d2] = size(cov1); if (d1~=d2) error('cov1 is a non-square covariance matrix'); end; if (d1~=d) error('cov1 is of different dimensionality to mu1'); end; [d1 d2] = size(cov2); if (d1~=d2) error('cov2 is a non-square covariance matrix'); end; if (d1~=d) error('cov2 is of different dimensionality to mu2'); end; % Call the function mvnrnd.m to generate the two data sets data1 = mvnrnd(mu1,cov1,n1); data2 = mvnrnd(mu2,cov2,n2); % Now plot the two data sets as a two-dimensional scatter plot % if d = 2: plot dimension1 on the xaxis and dimension 2 on the % yaxis. Plot the points from data1 as green circles 'o', and the % points from data2 as red crosses 'x'. if .... figure % open a figure window plot(data1(:,1),data1(:,2),'b.');.... % now plot data1 axis([-6 6 -6 6]); % fix the lengths of the axes hold % hold the figure to overlay a 2nd plot

N(3,9)指的是均值为3,方为9（标准为3）的正态分布（也称66.7575高斯分布）；

matlab 要产生均值为3,方为1的500个正态分布的随机序列,求表达式

end

3+randn62.84339623(500);

1）可以直接用数学办法。已知这两个随机变量的平均数和标准 可以得到运算后变量的平均和标准。

x = .6 + sqrt(0.1) randn(5)

matlab中怎么定义一个函数是服从正态分布的

[muhat,sigmahat,muci,sigmaci]=normfit(x);

1. Matlab自带的正态分布函数为 normpdf

11

2.使用该函数验证一下上期的日志中当x=0,u=0,sigma=1时的数值为多少。

>> y=normpdf(0,0,1)

该值基本与上期图中的数值保持一致。

3.用该函数画出正态分布曲线

x=-7:0.01:7

y=normpdf(x,0,1)

Plot(x,y)

可得出去上期基本一致X1(i)=sqrt((-2)log(a))cos(2pib);的图形。

matlab如何编程产生正态分布的随机数的程序?

71.69

可以采用Box_Muller的方法。

77.18207547

Box-Muller方法是以两组的随机数U和V，这两组数在(0,1]上均匀分布，用U和V生成两组的标准常态分布随机变量X和Y

x=sqrt((-2)ln(U))cos(2piV);

Y=sqrt((-2)ln(U))sin(2piV);

matlab 程序

clear all;clc;%清屏

m=input('请输入平均值：');

n=input('请输入标准：');

t=input('请输入数据长度：'); %产生正态分布的随机数

for i=1:t

a=rand;

X2(i)=sqrt((-2)log(a))sin(2pib);

Y1=X1n+m;

Y2=X2n+m2）可以直接拿Matlab模拟随机变量，比如模拟1000个：;

disp(Y1); %求平均值和标准

M2=mean(Y2); N2=std(Y2); disp(M2); disp(N2); %将数据写入文本文件

fid=fopen('xiefei1.dat','w'); Z1=Y1; fprintf(fid,'%ft',Z1);

fid=fopen('xiefei2.dat','w'); Z2=Y2;

fprintf(fid,'%ft',Z2); fclose(fid);

subplot(2,1,1); histfit(Y1);

xlabel('随机数'); ylabel('出现的次数');

subplot(2,1,2);histfit(Y2);

xlabel('随机数');ylabel('出现的次数');

%检验

h1=lillietest(Y1);%若结果h1为1，则说明零设不成立，拒绝零设；否则，结果为0，零设成立，即原分布为正态分布

disp(h1);

h2=lillietest(Y2);%若结果h2为1，则说明零设不成立，拒绝零设；否则，结果为0，零设成立，即原分布为正态分布

disp(h2);