请使用matlab编写以下功能的脚本：分别产生 5000 个随机样本服从 N(0,1), N(4,1)和 N(0,4), 并画所对应的直方图。由 此讨论正态分布中期望和方差的变化对密 度函数曲线的影响

% 产生5000个服从N(0,1)的随机样本
data1 = randn(1,5000);

% 产生5000个服从N(4,1)的随机样本
data2 = randn(1,5000) + 4;

% 产生5000个服从N(0,4)的随机样本
data3 = randn(1,5000) * 2;

% 画直方图
figure();
subplot(3,1,1);
histogram(data1,50);
title('N(0,1)');
subplot(3,1,2);
histogram(data2,50);
title('N(4,1)');
subplot(3,1,3);
histogram(data3,50);
title('N(0,4)');

% 讨论期望和方差的变化对密度函数曲线的影响
% 期望的变化会导致密度函数曲线整体向左或向右移动，
% 方差的变化会导致密度函数曲线变得更加陡峭或扁平。

相关问题

请使用matlab编写以下功能的脚本：产生 K（K 分别取 100，1000，10000） 个随机样本服从标准正态分布 N(0,1)。讨 论随着样本容量 K 的增加，样本均值与总 体均值的差别，以及样本方差和总体方差 的差别

% 产生 K 个随机样本服从标准正态分布 N(0,1)
K = [100, 1000, 10000];
for i = 1:length(K)
sample = randn(K(i), 1);
% 计算样本均值和总体均值
sample_mean = mean(sample);
population_mean = 0;
% 计算样本方差和总体方差
sample_variance = var(sample);
population_variance = 1;
% 输出结果
fprintf('K = %d:\n', K(i));
fprintf('样本均值与总体均值的差别为：%f\n', abs(sample_mean - population_mean));
fprintf('样本方差与总体方差的差别为：%f\n', abs(sample_variance - population_variance));
end