一、参数估计

1. [N, K]=hist(data, k)

简单统计返回数据data落在每一个区间的频数N和每一个区间的中点X。

2. h=normplot(x)

判断数据是否来自于正态分布，若为正太分布显示出直线性形态，其他显示曲线形态。

%不同分布数据生成
rng(11)  % For reproducibility
x1 = normrnd(0,1,[50,1]);
x2 = trnd(5,[50,1]);
x3 = pearsrnd(0,1,0.5,3,[50,1]);
x4 = pearsrnd(0,1,-0.5,3,[50,1]);

不同分布数据的直方图显示

normplot(x)显示结果

3. h=weibplot(x)

同上，判断数据是否为weibull分布，是为直线形态，否为曲线形态。

4. [muhat, sigmahat, muci, sigmaci]=normfit(x, alpha)

在置信度(1-alpha)下估计正态分布数据x的参数，给定alpha的话默认alpha为0.05.
返回的参数有：
muhat：x的均值
sigmahat：x的方差
muci：均值的置信区间
sigmaci：方差的置信区间

5. [muhat, muci]=expfit(x, alpha)

估计指数分布的均值及其(1-alpha)置信区间

6. [lambdahat, lambdaci]=poissfit(x, alpha)

估计泊松分布的lambda及其(1-alpha)置信区间

7. [phat, pci]=weibfit(data, alpha)

估计weibull分布参数