matlab中产生100个标准正态分布随机数, 测试该组随机数是否服从均匀分布、指数分布和正态分布 N(0.2, 1.2). 取显著性水平 =0.05.

好的，我可以帮你解决这个问题。

首先，我们可以使用 Matlab 中的 randn 函数生成 100 个标准正态分布随机数，代码如下：

rng('default'); % 设置随机数种子
data = randn(1, 100); % 生成 100 个标准正态分布随机数

接下来，我们可以使用 Matlab 中的 chi2gof 函数对随机数是否服从均匀分布进行假设检验，代码如下：

[h_uniform, p_uniform] = chi2gof(data, 'Edges', -Inf:0.5:Inf, 'CDF', @normcdf);
if h_uniform == 1
    fprintf('数据不服从均匀分布，p 值为 %f\n', p_uniform);
else
    fprintf('数据服从均匀分布，p 值为 %f\n', p_uniform);
end

其中，chi2gof 函数的第一个参数为数据，第二个参数为区间边界，这里我们使用了 -Inf:0.5:Inf 表示负无穷到正无穷，每隔 0.5 个单位为一个区间；第三个参数为累积分布函数，这里我们使用 normcdf 表示正态分布的累积分布函数。

同样，我们可以使用 Matlab 中的 chi2gof 函数对随机数是否服从指数分布进行假设检验，代码如下：

[h_exp, p_exp] = chi2gof(data, 'Edges', -Inf:0.5:Inf, 'CDF', @expcdf);
if h_exp == 1
    fprintf('数据不服从指数分布，p 值为 %f\n', p_exp);
else
    fprintf('数据服从指数分布，p 值为 %f\n', p_exp);
end

其中，chi2gof 函数的第三个参数改为了 expcdf 表示指数分布的累积分布函数。

最后，我们可以使用 Matlab 中的 normfit 函数对随机数是否服从正态分布 N(0.2, 1.2) 进行假设检验，代码如下：

[h_normal, p_normal, ci_normal] = normfit(data, 0.05);
if h_normal == 1
    fprintf('数据不服从正态分布，p 值为 %f\n', p_normal);
else
    fprintf('数据服从正态分布，p 值为 %f\n', p_normal);
end

其中，normfit 函数的第二个参数为显著性水平，这里我们取 0.05；h_normal 表示是否拒绝原假设，p_normal 表示 p 值，ci_normal 表示置信区间。

希望这些代码对你有所帮助！