统计分析体测数据的基本特征，并分析哪些是反应身体素质状况的主要因素；试给出身高和速度灵巧类项目成绩的频率直方图和经验分布函数，并给出成绩的极限分布的数学模型。用MATLAB解决

在MATLAB中，可以使用以下步骤进行统计分析和绘制频率直方图和经验分布函数：

1. 获取体测数据并存储为一个向量。假设身高数据存储在变量heights中，速度灵巧类项目成绩存储在变量scores中。

2. 计算身高和成绩的基本特征，如平均值、中位数和标准差等。可以使用MATLAB内置的函数mean、median和std来计算。

mean_height = mean(heights);
median_height = median(heights);
std_height = std(heights);

mean_score = mean(scores);
median_score = median(scores);
std_score = std(scores);

3. 绘制身高和成绩的频率直方图。可以使用MATLAB内置的函数histogram来实现。

figure;
histogram(heights, 'Normalization', 'probability');
xlabel('Height');
ylabel('Frequency');
title('Frequency Histogram of Heights');

figure;
histogram(scores, 'Normalization', 'probability');
xlabel('Scores');
ylabel('Frequency');
title('Frequency Histogram of Scores');

4. 计算身高和成绩的经验分布函数。可以使用MATLAB内置的函数ecdf来计算。

[f_heights, x_heights] = ecdf(heights);
[f_scores, x_scores] = ecdf(scores);

figure;
plot(x_heights, f_heights);
xlabel('Height');
ylabel('Cumulative Probability');
title('Empirical Distribution Function of Heights');

figure;
plot(x_scores, f_scores);
xlabel('Scores');
ylabel('Cumulative Probability');
title('Empirical Distribution Function of Scores');

5. 选择成绩的极限分布数学模型。根据实际数据的特点和分布情况，可以使用MATLAB的曲线拟合工具箱（Curve Fitting Toolbox）中的函数来拟合数据并找到合适的分布模型。常见的分布模型包括正态分布（normfit）、均匀分布（unifit）和指数分布（expfit）等。

% 以正态分布为例
param = normfit(scores);
mu = param(1); % 平均值
sigma = param(2); % 标准差

以上是在MATLAB中进行统计分析和绘图的基本步骤，具体根据你的实际数据进行相应的调整和拟合。