Matlab程序：
clear all;close all;
mu=0;sigma=1; m=1;n=200; y1=normrnd(mu,sigma,m,n); y2=randn(m,n);
subplot(1,2,1); plot(y1);title('normrnd产生的随机数','Fontsize',24); subplot(1,2,2); plot(y2);title('randn产生的随机数','Fontsize',24); %%求产生的随机数的均值，方差，验证分布情况 mean1=mean(y1) var1=var(y1) mean2=mean(y2) var2=var(y2)
normrnd产生的随机数
3 4 3 2 1 1 0 0 -1 -1 -2 -2 -3 -3 -4 0 2
randn产生的随机数
-4 0
50
100
150
200
50
100
150
200
mean1 =-0.0948；var1 =1.0558
mean2 =0.0072；var2 =1.0073
当要生成N(1,25)的正态分布时，对于函数normrnd，只需 修改参数sigma为5即可；而函数randn只能产生服从标准正态 分布的随机数，因此要产生N(mu，var)分布的随机数，则需作 一定的变换，相应的matlab程序只需增加一条语句：
Matlab 实验
1.使用normpdf以及normcdf函数画出均值为0、方差为4 的高斯随机变量的概率密度曲线和概率分布曲线，并求 出P(0≤X≤1)的概率。
2.分别使用normrnd和randn函数生成1x200个服从标准正 态分布的随机数，如要生成N(1,25)的正态分布呢？并用 mean，var函数求这200个随机数的均值，方差。
概率密度函数
0.2 0.18 0.16 0.14 0.12 0.1 0.08 0.06 0.04 0.02 0 -10 -5 0 5 10 1 0.9 0.8 0.7 0.6
概率分布函数
F(x)
f(x)
0.5 0.4 0.3 0.2 0.1 0 -10 -5 0 5 10
x
x
>;
1.使用normpdf以及normcdf函数画出均值为0、方差为4的 高斯随机变量的概率密度曲线和概率分布曲线，并求出 P(0≤X≤1)的概率。
normpdf()：正态分布概率密度函数。 格式：y=normpdf(x,mu,sigma)； 含义：求数学期望为mu，标准差为sigma的正态分布随机变量的概率 密度函数在x处的值，若输入时mu，sigma为空，则默认为标准正态分 布，即mu=0，sigma=1。 normcdf()：正态分布概率分布函数。 格式：p=normcdf(x,mu,sigma)； 含义：求数学期望为mu，标准差为sigma的正态分布随机变量的累积概 率分布函数在x处的值，若输入时mu，sigma为空，则默认为标准正态分 布。
matlab程序：
clear all; x=-10:0.01:10; y1=normpdf(x,0,2); y2=normcdf(x,0,2); subplot(1,2,1); plot(x,y1,'r','LineWidth',5); xlabel('x','Fontsize',24);ylabel('f(x)','Fontsize',24); title('概率密度函数','Fontsize',24); subplot(1,2,2); plot(x,y2,'r','LineWidth',5); xlabel('x','Fontsize',24);ylabel('F(x)','Fontsize',24); title('概率分布函数','Fontsize',24); %%求P(0≤X≤1)，即P(0≤X≤1)=P(X≤1)-P(X≤0) p=normcdf(1,0,2)-normcdf(0,0,2)
2.分别使用normrnd和randn函数生成1x200个服从标准正 态分布的随机数，如要生成N(1,25)的正态分布呢？并用 mean，var函数求这200个随机数的均值，方差。
normrnd()：生成正态分布的随机数。 格式：R = normrnd(mu,sigma,m,n)； 含义：生成服从均值为mu，标准差为sigma的服从正态分布的m*n的 随机数矩阵。 randn()：生成标准正态分布随机数。 格式：randn(m,n)或randn([m,n])； 含义：生成的m*n的服从标准正态分布随机矩阵。