高斯分布MATLAB代码

以下是MATLAB代码，用于生成一个高斯分布随机数：

mu = 0; % 均值
sigma = 1; % 标准差
num_samples = 1000; % 样本数

samples = mu + sigma * randn(num_samples, 1); % 生成样本

% 绘制直方图
histogram(samples, 'Normalization', 'pdf');
title('高斯分布');
xlabel('随机变量');
ylabel('概率密度');

解释一下代码：

- `mu` 表示高斯分布的均值。
- `sigma` 表示高斯分布的标准差。
- `num_samples` 表示需要生成的样本数量。
- `randn` 函数可以生成服从标准正态分布（即均值为0，标准差为1）的随机数。
- `samples` 是生成的样本。
- `histogram` 函数用于绘制直方图，`'Normalization', 'pdf'` 表示将直方图转化为概率密度函数的形式。

运行代码后，会生成一个高斯分布的直方图。可以根据需要调整均值、标准差和样本数等参数，来生成不同的高斯分布。

相关问题

高斯分布matlab代码

以下是用Matlab实现高斯分布的代码示例：

% 定义高斯分布的均值和标准差
mu = 0; % 均值
sigma = 1; % 标准差

% 定义x轴的范围
x = -5:0.1:5;

% 计算高斯分布的概率密度函数
y = 1/(sigma*sqrt(2*pi)) * exp(-(x-mu).^2/(2*sigma^2));

% 绘制高斯分布的概率密度函数图像
plot(x,y);
xlabel('x');
ylabel('Probability Density');
title('Gaussian Distribution');

这段代码将生成一个高斯分布的概率密度函数图像，其均值为0，标准差为1，x轴的范围为-5到5。可以根据需要修改这些参数来生成不同的高斯分布。

二维高斯分布matlab代码

下面是一个简单的 MATLAB 代码示例，用于生成二维高斯分布：

% 设置均值和协方差矩阵
mu = [0 0]; % 均值
sigma = [1 0.5; 0.5 1]; % 协方差矩阵

% 生成二维高斯分布数据
rng default;  % 使得随机数可复现
data = mvnrnd(mu, sigma, 1000);

% 绘制散点图
scatter(data(:,1), data(:,2), 'filled');
xlabel('X');
ylabel('Y');
title('二维高斯分布数据');

在此示例中，我们首先设置了二维高斯分布的均值 `mu` 和协方差矩阵 `sigma`。然后使用 `mvnrnd` 函数生成了1000个符合指定均值和协方差矩阵的二维高斯分布数据。最后，使用 `scatter` 函数绘制了生成的数据的散点图。

你可以根据需要修改均值、协方差矩阵和生成的数据数量来适应你的实际情况。