一零件尺寸为5，公差±2，采用蒙托卡洛抽样发，抽样数据为100个数据，对抽样的数据做正态分布检验，生成matlab代码

在MATLAB中，您可以使用蒙特卡洛模拟来生成符合特定公差要求的零件尺寸数据，并对这些数据进行正态分布检验。以下是进行此过程的MATLAB代码示例：

% 零件尺寸参数
nominalSize = 5; % 标称尺寸
tolerance = 2; % 公差范围

% 抽样参数
numSamples = 100; % 抽样数量

% 蒙特卡洛模拟生成数据
randData = nominalSize + tolerance*(rand(numSamples, 1) - 0.5)*2;

% 正态分布检验 - 使用Kolmogorov-Smirnov检验
[h,p] = kstest((randData-nominalSize)/tolerance);

% 输出检验结果
if h == 0
    fprintf('数据符合正态分布，p值为: %.4f\n', p);
else
    fprintf('数据不符合正态分布，p值为: %.4f\n', p);
end

% 绘制直方图和正态分布曲线
figure;
histogram(randData, 'Normalization', 'pdf', 'BinLimits',[nominalSize-tolerance, nominalSize+tolerance], 'BinWidth',0.1);
hold on;
x_values = linspace(nominalSize-tolerance, nominalSize+tolerance, 100);
pdf_values = normpdf(x_values, nominalSize, tolerance/sqrt(12));
plot(x_values, pdf_values, 'r-', 'LineWidth', 2);
legend('数据分布', '正态分布曲线');
title('零件尺寸数据分布与正态分布拟合');
xlabel('尺寸');
ylabel('概率密度');
hold off;

在这段代码中，首先定义了标称尺寸和公差范围，然后使用`rand`函数生成了100个在公差范围内的随机数据点。接着，使用`kstest`函数进行Kolmogorov-Smirnov检验来检验数据是否符合正态分布，并输出相应的p值。最后，使用`histogram`和`normpdf`函数绘制了数据的直方图和理论上的正态分布曲线，以直观展示数据的分布情况。