4、根据随机过程是与时间相关的随机变量这一结论，用MATLAB设计一套 实验方法，分别绘制在（0，1）区间上均匀分布的平稳随机过程和均 值为 0、方差为 1 的平稳正态过程的近似均值曲线和方差曲线。

在MATLAB中，你可以使用`rand`函数生成均匀分布的随机数，并结合统计分析工具箱如`fitdist`和`makedist`来创建和模拟平稳随机过程。对于均值为0、方差为1的正态过程，通常称为高斯白噪声，可以使用`randn`函数直接获取。

以下是设计这个实验的一般步骤：

1. **生成随机过程**:
- 对于均匀分布的随机过程，使用`rand(1, T)`生成长度为T的在(0,1)区间内的随机数组，其中T是你想要的时间步长。
- 对于正态分布的随机过程，使用`randn(1, T)`生成标准正态分布的序列。

2. **计算近似均值**:
- 对于均匀分布，由于每个样本都在(0,1)，其平均值近似为均值0。
- 对于正态过程，计算整个序列的平均值即可得到近似的均值0。

3. **计算方差**:
- 对于均匀分布，虽然不是严格的正态分布，但在大量采样下，方差会接近于0.25 * (1 - (1/T))，这是由均匀分布的特性决定的。
- 对于正态过程，可以直接计算方差，即`var(randn(1, T))`，结果应接近1。

4. **可视化**:
- 使用`plot`函数画出随机过程的散点图，显示数据点的变化趋势。
- 使用`hold on`保持当前图形，然后添加两条直线表示理论上的均值线和方差线。

% 设定时间步长
T = 1000; % 可调整为你需要的数值

% 生成随机过程
uniform_process = rand(1, T);
normal_process = randn(1, T);

% 计算近似均值和方差
mean_uniform = mean(uniform_process);
var_uniform = 0.25 * (1 - (1/T)); % 近似方差 for uniform distribution
mean_normal = mean(normal_process);
var_normal = var(normal_process); 

% 绘制散点图和直线条
figure;
subplot(2, 1, 1)
hold on
scatter(1:T, uniform_process, '.')
xlabel('Time')
ylabel('Value')
title('Uniform Random Process')
plot([0, T], [mean_uniform, mean_uniform], 'r', 'LineWidth', 2)
plot([0, T], [mean_uniform + sqrt(var_uniform), mean_uniform - sqrt(var_uniform)], 'g:', 'LineWidth', 2)

subplot(2, 1, 2)
scatter(1:T, normal_process, '.')
xlabel('Time')
ylabel('Value')
title('Normal Random Process')
plot([0, T], [mean_normal, mean_normal], 'r', 'LineWidth', 2)
plot([0, T], [mean_normal + std(normal_process), mean_normal - std(normal_process)], 'g:', 'LineWidth', 2)