在MATLAB中,正态分布拟合是一个常见的统计操作,用于确定一组数据是否遵循正态分布,并估计其均值和标准差。以下是根据你的提示,对MATLAB正态分布拟合的详细解释: 1. 了解正态分布拟合的基本原理 正态分布(也称为高斯分布)是一种连续概率分布,其概率密度函数为: markdown f(x) = (1/(sqrt(2*pi)*sigma)) ...
直接输入这个试试,round(normrnd(80,5,n))命令 参数为μ,σ的正态分布的随机数据函数 normrnd格式 :R = normrnd(MU,SIGMA) %返回均值为MU,标准差为SIGMA的正态分布的随机数据,R可以是向量或矩阵.R = normrnd(MU,SIGMA,m) %m指定随机数的个数,与R同维数.R = normrnd(MU,SIGMA,m,n) %m,n分别表示R的...
如果本身就是密度函数的样本，那么y值也太大了吧，要知道密度函数积分要为1啊，你这里下面包的面积也太大了吧。如果是二维采样数据，这种形状怎么可能是正态分布。完全是胡扯嘛。
fun=exp(-t^2/2)/sqrt(2*pi);F=int(fun,t,-inf,t);t=0.00:0.01:3.49;eval(F)呵呵你不会是我同学吧？？我也学数模的，几天前搞的，