matlab求正态分布概率

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

poissinv(0.7211,5)ans=6CriticalValuesofDistributionfunctions.betainv-Betainversecumulativedistributi

如果服从正态分布N(u.∂^2)均值E(x)=u方差D(x)=∂^2所求概率F(x)=p(X≤x)=p((X-U)/∂≤(x-U)/∂))=fai(那个

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,

μ随机变量X服从正态分布,一般记作N（μ,σ方）,其中μ为X的数学期望,σ为标准差,所以正态分布中的μ就是随机变量X的均值.

[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。

Fm,fm输入后sigma=normpdf(norminv(Fm,0,1),0,1)/fmmiu=m-sigma*norminv(Fm,0,1)

x=norminv(p,mu,sigma),p为下分位概率值,mu为期望,sigma为方差再问：谢谢，可以了，想问一下’p为下分位概率值‘中的下分位是什么意识？再答：小于等于x的概率值

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,'.')

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

B(20000,0.0005)期望10方差9.995(1)获利50万,死（2*50-50）/5=10人P=c（上10下20000）0.0005^10*0.9995^19990(2)死亡人数均值2000

用蒙特卡洛模拟：N=10000%试验次数,越大越精确C=zeros(N,1);%存储每次试验的结果%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%开始试验fork=1:N%按A

P{|X|>2}+P{|X|

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

是标准差,应该是先求出加权平均数X,在用各组数如分别是X1,X2,.,Xn,频率分别为f1,f2,...,fn,先求方差（（X1-X）2*f1+（X2-X）2*f2+.+（Xn-X）2*fn）/（f1

%%MonteCarlo方法Len=1e6;x1=2+rand(1,Len)*6;x2=2+randn(1,Len);x3=exprnd(3,1,Len);x=x1+x2.^2+x3.^2;count

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

三者的比例为3:4:5,则落在三个区间的白绿分别为0.25,0.333,0.417所以(x1-60)/3=-0.675(x2-60)/3=0.21再问：谢谢回答