如何用matlab画出正态分布的累计概率分布函数？求高斯随机信号的概率分布函数

1. 如何用matlab画出正态分布的累计概率分布函数？求高斯随机信号的概率分布函数

程序：
clear
x=-4:0.01:4;
miu=0;sigma=1;
y1=normpdf(x,miu,sigma);
y2=normcdf(x,miu,sigma);
%前者是密度，后者是分布
y3=normrnd(miu,sigma,1,length(x));
%高斯白噪声
z1=x+4;
z2=sort(y3);
y4=normcdf(z2,miu,sigma);
figure(1)
subplot 221
plot(x,y1)
title('正态分布的概率密度')
subplot 222
plot(x,y2)
title('正态分布的累积分布')
subplot 223
plot(z1,y3)
title('高斯白噪声')
subplot 224
plot(z2,y4)
title('高斯白噪声的累积分布')

2. 如何用matlab计算正态分布

matlab里有个函数erf，计算的是上述积分。
借助erf，自己做下变量代换，然后用1/2减一下，就能求出你要的值。

3. 如何用matlab画出均匀分布的累计概率分布函数？

假设你要做的是一个[0,10]上均匀分布的一个随机变量，那么我们就可以这样做：

x = 10*rand([10000,1]);
xi = linspace(-10,20,201);
F = ksdensity(x,xi,'function','cdf');
plot(xi,F);

解释一下变量，x是产生的随机数，共有10000个点，点越多，概率密度函数越接近于理想分布函数。rand是产生[0,1]之间随机数的函数。

xi是产生横轴的坐标，就是说你统计的这些数分布的区间的划分。

ksdensity函数就是统计得到概率密度函数或者分布函数的，得到的F就是分布函数。

最后画出图来，结果如下：

4. 用matlab算正态分布

用matlab计算正态分布的概率值，可以normpdf（）函数求得。计算方法为
>> x=165;mu=146;sigma=8;
>> normpdf(x,mu,sigma)
ans =    0.0030

5. 如何matlab取正态分布随机数

运用normrnd函数。
1. R＝normrnd(MU,SIGMA)：生成服从正态分布(MU参数代表均值，SIGMA参数代表标准差)的随机数。输入的向量或矩阵MU和SIGMA必须形式相同，输出R也和它们形式相同。标量输入将被扩展成和其它输入具有相同维数的矩阵。
2. R＝normrnd(MU,SIGMA,m,n)： 生成m×n形式的正态分布的随机数矩阵。
实例：生成均值为0，标准差为1的2*2正态分布随机矩阵。


拓展说明：
matlab中还有个函数randn，可以产生均值为0，方差σ^2 = 1，标准差σ = 1的正态分布的随机数或矩阵。
Y = randn(n）返回一个n*n的随机项的矩阵;
Y = randn(m,n)  或 Y = randn([m n])：返回一个m*n的随机项矩阵。

6. 怎么用matlab验证正态分布,并给出正态分布的表达式

分布的正太性检验：
x为你要检验的数据。
load x
histfit(x);
normplot(x);
从这两个图中可以看出是否近似服从正太分布。
然后估计参数：
[muhat,sigmahat,muci,sigmaci]=normfit(x);
muhat , sigmahat,muci,sigmaci 分别表示均值、方差、均值的0.95置信区间、方差0.95置信区间。
现在可以用t检验法对其进行检验：
现在在方差未知的情况下，检验均值是否为mahat；
[h,sig,ci]=ttest(x,muhat);
其中h为布尔变量，h=0表示不拒绝零假设，说明均值为mahat的假设合理。若h=1则相反；
ci表示0.95的置信区间。
sig若比0.5大则不能拒绝零假设，否则相反。

希望对你有帮助！

7. 怎么用《matlab》验证正态分布,并给出正态分布的表达式？

分布的正太性检验：
x为你要检验的数据。
load x
histfit(x);
normplot(x);
从这两个图中可以看出是否近似服从正太分布。
然后估计参数：
[muhat,sigmahat,muci,sigmaci]=normfit(x);
muhat , sigmahat,muci,sigmaci 分别表示均值、方差、均值的0.95置信区间、方差0.95置信区间。
现在可以用t检验法对其进行检验：
现在在方差未知的情况下，检验均值是否为mahat；
[h,sig,ci]=ttest(x,muhat);
其中h为布尔变量，h=0表示不拒绝零假设，说明均值为mahat的假设合理。若h=1则相反；
ci表示0.95的置信区间。
sig若比0.5大则不能拒绝零假设，否则相反。

8. 如何matlab取正态分布随机数

运用normrnd函数。
1. R＝normrnd(MU,SIGMA)：生成服从正态分布(MU参数代表均值，SIGMA参数代表标准差)的随机数。输入的向量或矩阵MU和SIGMA必须形式相同，输出R也和它们形式相同。标量输入将被扩展成和其它输入具有相同维数的矩阵。
2. R＝normrnd(MU,SIGMA,m,n)： 生成m×n形式的正态分布的随机数矩阵。
实例：生成均值为0，标准差为1的2*2正态分布随机矩阵。


拓展说明：
matlab中还有个函数randn，可以产生均值为0，方差σ^2 = 1，标准差σ = 1的正态分布的随机数或矩阵。
Y = randn(n）返回一个n*n的随机项的矩阵;
Y = randn(m,n)  或 Y = randn([m n])：返回一个m*n的随机项矩阵。