matlab 正态分布随机函数范围

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

mu=0;%均值sigma=1;%标准差ezplot(@(x)normcdf(x,mu,sigma),[mu-3*sigma,mu+3*sigma])

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

给你个例子,自己改区间x=(0:1000)/1000;y=0.5*pi^(0.5)*(erf(x)-erf(-inf));plot(x,y);

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,

x=norminv(p,mu,sigma)%概率为p,均值为mu,标准差为sigma时的x的值,mu默认为0,sigma默认为1,即默认为标准正态分布函数的反函数.如norminv(0.6,1,2)

直接使用matlab自带的函数mvnrnd就可以实现了,help文档里面有一个自带的例子：mu=[1-1];Sigma=[.9.4;.4.3];r=mvnrnd(mu,Sigma,500);plot(

你给的数据有误 ,不是正太分布,帮你修改下数据x=5  6  7  8   9  

正态分布在整个实数轴上都有可能取到,只不过取某些值得可能性很小,按照你的要求在[110]之间生成均匀分布列还还能满足,用1+9*rand(N),N指的是数组的维数.对于正态分布,必须指出其数学期望和方

你具体是要算什么?如果是已知x=一个值.,求N(x),可以用px=normcdf(x,MU,SIGMA).MU为均值,SIgMUA为标准差.如果写成normcdf(x),则默认MU为0,SIgMUA为

a=1;b=1000;c=5;n=1000;m=2;x=randn(1,n);x=x/std(x)*sqrt(c);x=x-mean(x)+m;index=find(x>=a&x

不是[0,8],8+randn(1)

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');

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

概率密度normpdf累计分布normcdf再问：程序如下：你看看是哪里出了问题>>Year=[19811982198319841985198619871988198919901991];>>X=[3

你输入helplongnrnd后有段显示如下：R=lognrnd(mu,sigma)returnsanarrayofrandomnumbersgeneratedfromthelognormaldist

Matlab中本身有Q函数,即qfunc()其反函数是qfuncinv()--------------------------------helpqfuncqfuncQfunctionSyntaxy=

andn(m,n)产生标准差为1,均值为0大小为mxn的矩阵如果要差生序列,那么将m或n设为1就形了根据正态分布的特性,A*rand(m,n)+B,就能产生标准差为A,均值B的随机矩阵根据你的要求a=

随机生成?有很多种算法,比如我用到的m序列：function[seq]=mseq(connections,registers,len);%m=length(connections);L=2^m-1;%