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中设计一套实验来模拟均匀分布和正态分布的平稳随机过程，可以按照以下步骤进行：

1. **导入必要的工具箱**:
首先，确保已安装了`Statistics and Machine Learning Toolbox`。

2. **生成平稳随机过程**:
使用`randperm`函数创建一个均匀分布在(0,1)区间的随机数序列，表示平稳随机过程。对于正态过程，使用`normrnd`函数生成均值为0，方差为1的标准正态随机数。

% 均匀分布随机过程
uniform_process = (0:0.01:1)';
random_uniform = randperm(length(uniform_process));

% 正态分布随机过程
normal_process = normrnd(0, 1, length(uniform_process));

这里，我们假设`length(uniform_process)`等于1000，以便得到足够的数据点用于平滑。

3. **计算近似均值和方差**:
对每个随机过程，计算每个点处的均值和方差。对于连续的过程，我们可以考虑窗口滑动平均（rolling mean/variance）来估计这些统计量。

% 窗口大小（例如，50个数据点作为一个窗口）
window_size = 50;

% 近似均值和方差计算
approx_mean_uniform = movmean(random_uniform, window_size);
approx_var_uniform = movstd(random_uniform, window_size);

approx_mean_normal = movmean(normal_process, window_size);
approx_var_normal = movstd(normal_process, window_size);

4. **绘制图形**:
最后，使用`plot`函数绘制过程和它们的均值方差曲线。

% 绘制均匀分布过程
figure;
subplot(2,1,1);
plot(uniform_process, random_uniform, 'o', 'LineWidth', 1.5);
hold on;
plot(uniform_process, approx_mean_uniform, 'r', 'LineWidth', 2);
title('Uniform Process - Approximate Mean Curve');
xlabel('Time');
ylabel('Random Value');

% 绘制均匀分布方差曲线
plot(uniform_process, approx_var_uniform, 'b', 'LineWidth', 2);
legend('Data Points', 'Mean', 'Variance');
hold off;

% 绘制正态过程
subplot(2,1,2);
plot(uniform_process, normal_process, 'o', 'LineWidth', 1.5);
hold on;
plot(uniform_process, approx_mean_normal, 'r', 'LineWidth', 2);
title('Normal Process - Approximate Mean Curve');
xlabel('Time');
ylabel('Random Value');

% 绘制正态方差曲线
plot(uniform_process, approx_var_normal, 'b', 'LineWidth', 2);
legend('Data Points', 'Mean', 'Variance');
hold off;