假设已知威布尔分布和正态分布，利用copulafit拟合，得到联合分布函数。

假设我们已知两个随机变量X和Y，其中X服从威布尔分布，Y服从正态分布，现在需要拟合它们的联合分布函数。可以按照以下步骤进行：

1. 生成威布尔分布和正态分布的随机样本数据。假设我们生成了1000个威布尔分布的随机样本数据和1000个正态分布的随机样本数据，可以将它们组合成一个2×1000的矩阵：

data = [wblrnd(2,3,1000,1), normrnd(0,1,1000,1)]';

其中，wblrnd函数用于生成威布尔分布的随机样本数据，normrnd函数用于生成正态分布的随机样本数据，2和3是威布尔分布的参数，0和1是正态分布的参数。

2. 使用copulafit函数拟合联合分布函数。假设我们要拟合的联合分布函数是高斯联合分布，可以按照以下方式进行：

[C, parameters] = copulafit('Gaussian', data);

其中，'Gaussian'表示要拟合的联合分布类型是高斯联合分布，data是已知的数据集。

3. 使用拟合得到的copula函数进行模拟和分析。可以使用拟合得到的copula函数进行数据模拟和分析，例如计算联合分布函数、计算联合概率密度函数、计算VaR等。

需要注意的是，拟合得到的copula函数是一个函数句柄，可以使用feval函数进行调用。例如，可以使用以下语句计算联合概率密度函数在点(0,0)处的值：

feval(C,[0,0],parameters)