用matlab里的函数kstest进行正态分布检验的代码

在MATLAB中，你可以使用`kstest`函数来进行正态分布的Kolmogorov-Smirnov goodness-of-fit检验。这个函数比较了一组数据和理论正态分布的概率密度函数，来判断数据是否来源于正态分布。以下是基本的使用步骤：

% 假设我们有一组数据data
data = randn(1000, 1); % 示例，生成1000个随机标准正态数

% 使用kstest进行检验
[h, p] = kstest(data, 'norm'); 

% h是统计量值（越接近0，分布拟合越好）
% p是双侧p值，如果小于给定的显著性水平（如0.05），则拒绝原假设（即数据不是正态分布）

% 输出结果
fprintf('Test statistic: %.4f\n', h);
fprintf('p-value: %.4f\n', p);
if p > significance_level, 
    fprintf('The data is likely to be from a normal distribution (p > %.2f)\n', significance_level);
else
    fprintf('The data does not follow a normal distribution (p <= %.2f)\n', significance_level);
end