用matlab检验两组数据是否符合相同的正态分布

你可以使用Matlab中的Kolmogorov-Smirnov检验来检验两组数据是否符合相同的正态分布。具体步骤如下：

1. 导入数据并分别计算均值和标准差。
2. 使用Matlab的normpdf函数来生成正态分布的概率密度函数。
3. 对于每个数据集，使用Matlab的ksdensity函数生成该数据集的核密度估计。
4. 使用Matlab的kstest2函数对两个核密度估计进行Kolmogorov-Smirnov检验。如果p值小于显著性水平（通常为0.05），则拒绝原假设，即两个数据集不符合相同的正态分布。

以下是一个示例代码：

% 导入数据并计算均值和标准差
data1 = [1, 2, 3, 4, 5];
data2 = [1.5, 2.5, 3.5, 4.5, 5.5];
mu1 = mean(data1);
sigma1 = std(data1);
mu2 = mean(data2);
sigma2 = std(data2);

% 生成正态分布的概率密度函数
x = linspace(-5, 10, 100);
pdf1 = normpdf(x, mu1, sigma1);
pdf2 = normpdf(x, mu2, sigma2);

% 生成核密度估计
[~, f1] = ksdensity(data1, x);
[~, f2] = ksdensity(data2, x);

% 进行Kolmogorov-Smirnov检验
[h, p] = kstest2(f1, f2);
if h == 0
    disp('两个数据集符合相同的正态分布');
else
    disp('两个数据集不符合相同的正态分布');
end
disp(['p值为', num2str(p)]);

在这个例子中，我们假设data1和data2都符合正态分布。我们首先计算每个数据集的均值和标准差，并使用normpdf函数生成正态分布的概率密度函数。然后使用ksdensity函数对每个数据集进行核密度估计。最后使用kstest2函数对两个核密度估计进行Kolmogorov-Smirnov检验，并输出p值来判断两个数据集是否符合相同的正态分布。