如何在MATLAB中使用最小二乘法来拟合数据到正态分布曲线并实现代码？

在MATLAB中，你可以使用`fitdist`函数结合`fittype`来拟合数据到正态分布（也称为高斯分布）。以下是一个简单的步骤示例：

1. 首先，假设你已经有了数据集`data`，可以按照以下格式存储：

data = randn(1000, 1); % 生成随机正态分布数据

2. 确定你想使用的分布类型，对于正态分布，其名称在MATLAB中是`'normal'`或`'NormalPDF'`。使用`fitdist`函数创建一个正态分布模型：

distributionType = 'normal';
distModel = fitdist(data, distributionType);

3. 使用`estimate`方法获取拟合参数（均值μ和标准差σ）：

params = estimate(distModel);
mu = params.Location;
sigma = params.Sigma;

4. 接下来，你可以绘制原始数据和拟合曲线：

xRange = linspace(min(data), max(data), 1000);
yFit = pdf(distModel, xRange, mu, sigma); % 正态分布概率密度函数
plot(data, ones(size(data)), 'o', xRange, yFit, '-');
xlabel('Data');
ylabel('Probability Density');
legend('Data', ['Fitted Normal Distribution (μ = ', num2str(mu), ', σ = ', num2str(sigma), ')']);

以上就是一个简单的例子，如果你的数据不服从正态分布，可能会需要尝试其他分布类型。