写一个二项分布和正太分布对比的代码，并可视化。正太分布用曲线图，二项分布用直方图。

要对比二项分布和正态分布，首先需要了解这两个分布的数学定义。二项分布是离散分布，适用于固定次数的独立实验，每次实验有两个可能的结果，成功或失败。正态分布（也称为高斯分布）是连续分布，通常用来近似二项分布，特别是当实验次数较多时。

下面是一个使用Matlab绘制二项分布直方图和正态分布曲线图的示例代码，用于对比这两个分布。为了比较，我们将在相同的图表中绘制这两个分布，确保均值和方差相同。

% 参数设置
n = 30; % 二项分布的试验次数
p = 0.3; % 二项分布的成功概率
mean_binomial = n * p; % 二项分布的均值
variance_binomial = n * p * (1 - p); % 二项分布的方差
x_binomial = 0:n; % 二项分布的可能结果

% 二项分布概率质量函数（PMF）
binom_pmf = binopdf(x_binomial, n, p);

% 正态分布概率密度函数（PDF），使用与二项分布相同的均值和方差
x_normal = -3:0.1:3; % 用于绘制曲线的x轴范围，应覆盖二项分布的主要质量
normal_pdf = normpdf(x_normal, mean_binomial, sqrt(variance_binomial));

% 绘制图表
figure;
hold on;
bar(x_binomial, binom_pmf, 'FaceColor', [0.7 0.7 0.7]); % 二项分布直方图
plot(x_normal, normal_pdf, 'LineWidth', 2); % 正态分布曲线图
legend('二项分布直方图', '正态分布曲线图');
xlabel('结果');
ylabel('概率');
title('二项分布与正态分布对比');
grid on;
hold off;

解释：
1. 我们首先设置二项分布的参数，包括试验次数`n`和成功概率`p`，并计算均值和方差。
2. 我们计算二项分布的概率质量函数（PMF）并生成一个直方图来表示它。
3. 我们计算正态分布的概率密度函数（PDF），使用与二项分布相同的均值和方差来绘制曲线。
4. 我们使用`bar`函数绘制二项分布直方图，并使用`plot`函数绘制正态分布曲线图。
5. 最后，我们添加图例、轴标签、标题，并开启网格。