打开hospital数据集，采用直方图方法对其中的血压数据（二维）进行概率密度函数估计matlab

在MATLAB中，你可以使用`histogram2d`函数结合`ksdensity`或`pdf2d`函数来对医院数据集中血压数据进行二维的概率密度函数(PDF)估计。以下是基本步骤：

1. **加载数据**:
首先，假设数据保存在一个名为'data.csv'的CSV文件中，可以使用`readtable`或`csvread`来读取数据：

   data = readtable('data.csv');
   bpData = data(:, {'systolic', 'diastolic'}); % 血压数据通常包含收缩压和舒张压列

2. **绘制直方图**:
使用`histogram2d`生成二维直方图：

   [xedges, yedges, histogram] = histogram2d(bpData.systolic, bpData.diastolic);

这将创建两个边缘向量(xedges和yedges)和实际的直方数组(histogram)。

3. **PDF估计**:
- `ksdensity`函数适用于核密度估计(Kernel Density Estimation)，它返回的是估计的概率密度值而不是离散的频率：

     pdfEstimate = ksdensity(bpData.systolic, bpData.diastolic);

- 或者，如果你想要更精确地控制估计，可以使用`pdf2d`函数，并提供自定义的核函数和其他选项：

     pdfEstimate = pdf2d(bpData.systolic, bpData.diastolic, 'Kernel', 'gaussian'); % 使用高斯核

4. **可视化结果**:
可以用`imagesc`或`surf`等函数将估计的PDF显示出来：

   figure;
   imagesc(xedges, yedges, histogram); % 绘制直方图
   hold on;
   contour(pdfEstimate.X, pdfEstimate.Y, pdfEstimate.Values, 'ColorMap', 'jet'); % 绘制PDF估计轮廓
   legend('Histogram', 'PDF Estimate');
   hold off;

5. **清理工作**:
最后记得关闭所有打开的图形窗口：

   close all;