【matlab正态分布函数命令】在MATLAB中，正态分布是统计分析中非常常见的一种概率分布。为了方便用户进行相关计算和分析，MATLAB提供了多个与正态分布相关的函数命令。以下是对这些常用命令的总结，并以表格形式展示。
一、常用正态分布函数命令总结
| 函数名 | 功能说明 | 参数说明 |
| `normpdf` | 计算正态分布的概率密度函数值 | `x`：输入数据；`mu`：均值；`sigma`：标准差 |
| `normcdf` | 计算正态分布的累积分布函数值 | `x`：输入数据；`mu`：均值；`sigma`：标准差 |
| `norminv` | 计算正态分布的逆累积分布函数值（分位数） | `p`：概率值；`mu`：均值；`sigma`：标准差 |
| `normrnd` | 生成服从正态分布的随机数 | `mu`：均值；`sigma`：标准差；`m,n`：生成矩阵的大小 |
| `normfit` | 对给定数据进行正态分布参数估计 | `data`：输入数据；返回均值和标准差的估计值 |
| `normlike` | 计算正态分布的对数似然函数值 | `params`：参数向量 [mu, sigma]；`data`：输入数据 |
二、使用示例
1. 计算概率密度函数值
```matlab
x = -3:0.1:3;
mu = 0; sigma = 1;
y = normpdf(x, mu, sigma);
plot(x, y);
title('标准正态分布概率密度函数');
```
2. 计算累积分布函数值
```matlab
p = normcdf(1.96, 0, 1); % 计算P(X ≤ 1.96)
disp(p);
```
3. 生成正态分布随机数
```matlab
data = normrnd(5, 2, 100, 1); % 生成100个均值为5，标准差为2的正态随机数
histogram(data);
```
4. 参数估计
```matlab
data = normrnd(10, 3, 100, 1);
[muhat, sigmahat] = normfit(data);
disp(['均值估计：', num2str(muhat)]);
disp(['标准差估计：', num2str(sigmahat)]);
```
三、注意事项
- 所有函数默认使用标准正态分布（均值为0，标准差为1），若需自定义参数，必须显式指定 `mu` 和 `sigma`。
- 在使用 `norminv` 时，输入的 `p` 应在 `[0, 1]` 范围内。
- `normfit` 可用于拟合实际数据，适用于参数估计场景。
通过以上函数，可以高效地完成正态分布相关的计算、分析和建模工作。掌握这些命令对于进行数据分析、统计建模以及仿真研究具有重要意义。
