（x，y）联合分布的求各变量熵的MATLAB代码

在MATLAB中，计算联合概率密度函数（Joint Probability Density Function, PDF）的熵通常涉及到使用`entropy`函数，但这需要首先从数据得到PDF估计。以下是一个基本的例子，假设`X`和`Y`是两个连续随机变量的样本矩阵：

% 假设 X 和 Y 是二维数据数组，每个元素代表 (x, y) 对
data = [X; Y]; % 合并 X 和 Y 列向量

% 计算联合分布矩阵
[hist, xEdges, yEdges] = histogram2(data, 'Normalization', 'pdf'); 

% 将边缘值转换为网格点坐标
[xGrid, yGrid] = meshgrid(xEdges(1:end-1), yEdges(1:end-1));

% 计算每个变量的熵
H_X = entropy(hist(:, 1), 'base', 2); % 独立变量X的熵
H_Y = entropy(hist(1, :), 'base', 2); % 独立变量Y的熵
H_joint = entropy(hist, 'base', 2); % 联合变量(X,Y)的熵

% 显示结果
disp(['Entropy of variable X: ', num2str(H_X)]);
disp(['Entropy of variable Y: ', num2str(H_Y)]);
disp(['Joint Entropy of (X,Y): ', num2str(H_joint)]);

在这个例子中，`entropy`函数的第二个参数 `'base', 2` 表示使用自然对数作为底数，如果你想要使用其他基数，可以相应地调整。

注意，这只是一个基础示例，实际应用中你可能需要先对数据进行预处理，例如归一化或标准化，以及考虑是否使用二项式、多项式或者其他更复杂的概率模型来估算PDF。