MATLAB正态分布概率密度函数曲线

均值就是期望EX方差就是标准差的平方,正太分布服从（EX,方差）,一般这类计算都是先代换,变成标准正太分布Z=(x-μ)/σ,然后查表,我查表0.9505是对应的1.65然后代入计算167.630

matlab只能通过仿真来模拟,而不是准确的概率密度函数.具体程序是下边这样的.x1=2+randn([100000,1]);x2=4+randn([100000,1]);Y=714+807*(x1)

因为是标准正太分布,即μ=0,σ=1,做曲线图按以下步骤：1.在A1输入公式=(ROW(A1)-1)*0.25-32.在B1输入公式=NORMDIST(A1,0,1,0)3.下拉复制上面的两个公式分别

x=linspace(-3,3);y=normpdf(x,0,1);figure('color','w');plot(x,y,'k');holdon;fill([x(80:end)x(end)x(80

如果是指“在一个坐标中作两个图”,可以用holdonholdon;%%%%%图形可以叠加holdoff%%%%%关闭holdon命令,

[xy]=meshgrid(-5:0.1:5);z=1/(2*pi).*exp(-x.^2-y.^2);h=mesh(x,y,z);set(h,'edgecolor','non

去这里看看能不能帮到你再问：这也只是说了多元正态分布的，没有给出具体三维正态分布的，希望能给具体的公式。

CDF曲线在matlab库里面有,直接调用就ok了

在某点的概率密度.就是x取得0.8时的概率对于连续分布,不同于离散分布,它表现得是“某个区间上”的概率.正如此,才有“概率密度”这一说.而单就某点,则概率为0

概率密度曲线指的是,随机变量x取不同值时所对应的概率大小曲线.你不是得到了直方图了嘛.横轴就是你的随机变量x的不同的值,纵轴就是不同值所对应的概率.plot(X,PX,'k-');X是你横轴的值所组成

normcdf求得是分布函数你应该用normpdf来计算概率密度.

x=3+randn(500,1);>>mean(x)ans=2.9648>>std(x)ans=1.0134>>y=normpdf(x,3,1);>>plot(x,y,'.')

我不确定历史中是否真是这么来得但泊松大数定理肯定是可以推出正态分布密度函数的当n趋于无穷大时泊松分布密度函数的极限就是正态密度函数（证明可以参考隶莫夫－拉普拉斯定理的证明）

fplot('(1/sqrt(2*pi))*exp(-0.5*x^2)',[-44],'r');title('密度函数曲线');

多元是指样本以多个变量来描述,或具有多个属性,在此一般用d维特征向量表示,X＝[x1,…,xd]T.d维特征向量的正态分布用下式表示其中μ是X的均值向量,也是d维,　　μ＝E{X}＝[μ1,μ2,…,

MATLAB里有直接的函数.调用语法如下：（正态分布又被称为高斯分布）y=gaussmf(x,[sigc])其中x是变量,sig就是你图片里的σ,而c就是你图片里的μ,比如：下面是一个例子,你可以直接

此题是μ=0,σ=1的正态分布,求概率只要查标准正态分布表(任何一本概率书附录都有)具体的概率你没有说清楚,所以没办法求出具体的值不需要求此积分,该积分的被积函数无原函数,只能利用数值分析求出数值解.

①如果已知联合概率密度为f(x,y),则求Y的边缘概率密度f(y)=∫Rf(x,y)dx,即联合概率密度函数对于x在-∞到+∞上的积分!②正态分布的概率密度函数是p(x)={1/[σ√(2π)]}*e

独立的正态分布的线性组合任然是正态分布,所以只需要求出Z1和Z2的期望和方差就可以了,到这你就应该能做了!再问：具体公式什么？我们没学过关于正态分布这方面的内容再答：其中u为均值，o为标准差再问：不是