MATLAB中，产生1000个标准正态随机变量，分别计算N（μ，σ2）中参数μ和σ2的最大似然估计值，并计算其与真实参数值之间的距离。

在MATLAB中，可以使用`normrnd`函数生成标准正态随机变量，然后通过最大似然估计法（MLE）来估计参数μ（平均值）和σ^2（方差）。下面是基本步骤：

1. **生成正态随机变量**：

   N = 1000; % 数据点的数量
   X = normrnd(0, 1, N, 1); % 生成1000个独立的标准正态随机变量，μ = 0, σ^2 = 1

2. **最大似然估计**：
对于正态分布，最大似然估计公式分别为：
- μ\_MLE = mean(X) // 平均值的估计
- σ^2\_MLE = variance(X) / N 或 sum((X - μ\_MLE).^2) / N // 方差的估计

   mu_estimate = mean(X);
   sigma_squared_estimate = var(X) / N;

3. **计算与真实参数的距离**：
- 对于μ，我们通常设定真实参数μ = 0（因为这是标准正态分布的中心）：

     true_mu_distance = abs(mu_estimate);

- 对于σ^2，由于正态分布的方差总是非负，我们可以取绝对值：

     true_sigma_distance = sqrt(sigma_squared_estimate);

4. **结果检查**：

   fprintf('Mean estimate distance from true value: %.4f\n', true_mu_distance);
   fprintf('Variance estimate distance from true value: %.4f\n', true_sigma_distance);