已知x，y。用matlab拟合正态分布曲线

可以使用MATLAB中的`fitdist()`函数来拟合正态分布曲线，具体步骤如下：

1. 准备数据，将x和y组成一个矩阵。
2. 使用`fitdist()`函数，选择正态分布模型，设置参数为`'Normal'`。其中，x和y分别作为正态分布的均值和标准差的初始值，可以通过`mean()`和`std()`函数获取。
3. 将拟合结果绘制成曲线，使用`pdf()`函数来计算概率密度函数值，并使用`plot()`函数绘制出曲线。

下面是一个简单的示例代码：

% 准备数据
x = [1, 2, 3, 4, 5];
y = [0.1, 0.3, 0.4, 0.15, 0.05];
data = [x', y'];

% 拟合正态分布曲线
mu = mean(x); % 正态分布的均值
sigma = std(x); % 正态分布的标准差
pd = fitdist(data, 'Normal', 'Start', [mu, sigma]);

% 绘制概率密度函数曲线
x_vals = linspace(min(x), max(x), 100);
y_vals = pdf(pd, x_vals);
plot(x_vals, y_vals);

运行上述代码，就可以得到一条拟合好的正态分布曲线。

相关问题

已知x，y。用matlab拟合对数正态分布曲线

可以使用MATLAB中的`fitdist()`函数来拟合对数正态分布曲线，具体步骤如下：

1. 准备数据，将x和y组成一个矩阵。
2. 使用`fitdist()`函数，选择对数正态分布模型，设置参数为`'Lognormal'`。其中，x和y分别作为对数正态分布的均值和标准差的初始值，可以通过`mean()`和`std()`函数获取。
3. 将拟合结果绘制成曲线，使用`pdf()`函数来计算概率密度函数值，并使用`plot()`函数绘制出曲线。

下面是一个简单的示例代码：

% 准备数据
x = [1, 2, 3, 4, 5];
y = [0.1, 0.3, 0.4, 0.15, 0.05];
data = [x', y'];

% 拟合对数正态分布曲线
mu = mean(log(x)); % 对数正态分布的均值
sigma = std(log(x)); % 对数正态分布的标准差
pd = fitdist(log(data), 'Lognormal', 'Start', [mu, sigma]);

% 绘制概率密度函数曲线
x_vals = linspace(min(x), max(x), 100);
y_vals = pdf(pd, log(x_vals));
plot(x_vals, y_vals);

运行上述代码，就可以得到一条拟合好的对数正态分布曲线。

已知x，y。用matlab拟合累积正态分布曲线

可以使用MATLAB中的`fitdist()`函数来拟合累积正态分布曲线，具体步骤如下：

1. 准备数据，将x和y组成一个矩阵。
2. 使用`fitdist()`函数，选择累积正态分布模型，设置参数为`'Lognormal'`。其中，x和y分别作为累积正态分布的均值和标准差的初始值，可以通过`mean()`和`std()`函数获取。
3. 将拟合结果绘制成曲线，使用`cdf()`函数来计算累积分布函数值，并使用`plot()`函数绘制出曲线。

下面是一个简单的示例代码：

% 准备数据
x = [1, 2, 3, 4, 5];
y = [0.1, 0.3, 0.4, 0.15, 0.05];
data = [x', y'];

% 拟合累积正态分布曲线
mu = mean(log(x)); % 累积正态分布的均值
sigma = std(log(x)); % 累积正态分布的标准差
pd = fitdist(log(data), 'Lognormal', 'Start', [mu, sigma]);

% 绘制累积分布函数曲线
x_vals = linspace(min(x), max(x), 100);
y_vals = cdf(pd, log(x_vals));
plot(x_vals, y_vals);

运行上述代码，就可以得到一条拟合好的累积正态分布曲线。