在数据分析、统计学和工程学等领域，正态分布概率的计算是基础且常见的需求。MATLAB 提供了多种方法来计算正态分布的概率，包括使用公式和内置函数。以下将详细介绍如何使用这些方法，并附上实例。
正态分布的概率密度函数（PDF）
正态分布的概率密度函数描述了正态分布的密度分布。对于均值为 μ，标准差为 σ 的正态分布，其概率密度函数为：
[ f(x; \mu, \sigma) = \frac{1}{\sqrt{2\pi\sigma^2}} e^{-\frac{(x-\mu)^2}{2\sigma^2}} ]
其中 ( e ) 是自然对数的底数。
在 MATLAB 中，可以使用 normpdf 函数来计算正态分布的概率密度。
正态分布的累积分布函数（CDF）
正态分布的累积分布函数描述了小于或等于某个值的概率。对于均值为 μ，标准差为 σ 的正态分布，其累积分布函数为：
[ F(x; \mu, \sigma) = \frac{1}{\sqrt{2\pi\sigma^2}} \int_{-\infty}^{x} e^{-\frac{(t-\mu)^2}{2\sigma^2}} dt ]
在 MATLAB 中，可以使用 normcdf 函数来计算正态分布的累积分布。
MATLAB 函数
normpdf
y = normpdf(x, mu, sigma)
计算均值为 mu，标准差为 sigma 的正态分布的概率密度。
normcdf
y = normcdf(x, mu, sigma)
计算均值为 mu，标准差为 sigma 的正态分布的累积分布。
norminv
x = norminv(p, mu, sigma)
根据给定的累积概率 p，计算对应正态分布的值。
normrnd
x = normrnd(mu, sigma, [m, n], [o, p])
生成均值为 mu，标准差为 sigma 的正态分布的随机数。
实例详解
假设我们要计算均值为 0，标准差为 1 的正态分布的以下概率：
- 计算 x = 1.5 时的概率密度。
- 计算 x ≤ 1 时的累积概率。
- 计算累积概率为 0.9 对应的 x 值。
实例 1：计算概率密度
mu = 0;
sigma = 1;
x = 1.5;
pdf = normpdf(x, mu, sigma);
fprintf('在 x = %.2f 的概率密度为: %.4f\n', x, pdf);
实例 2：计算累积概率
x = 1;
cdf = normcdf(x, mu, sigma);
fprintf('在 x ≤ %.2f 的累积概率为: %.4f\n', x, cdf);
实例 3：计算对应值
p = 0.9;
x = norminv(p, mu, sigma);
fprintf('累积概率为 %.2f 对应的 x 值为: %.4f\n', p, x);
通过以上实例，我们可以看到如何使用 MATLAB 函数来快速计算正态分布的概率。这些函数不仅简化了计算过程，而且提高了准确性。