matlab中心极限定理、高斯分布拟合。

产生均匀分布的随机信号+将信号叠加

今日又做了一次大作业，目标之一是产生100个均匀分布的随机信号，叠加之后用高斯分布拟合。中间有一些收获，特此记录。

产生均匀分布的信号：

clc;
clear all;
close all;
sig=ones(100,10000);
SIGNAL=zeros(1,10000);
for i=1:100
    sig(i,:)=sig(i,:).*rand(1,10000);            
end
for j=1:100
    SIGNAL=SIGNAL+sig(j,:);
end

除此之外，为了验证中心极限定理，我还做了一个β分布的随机数的序列，代码如下：

clc;
clear all;
close all;
r=zeros(100,10000);
sig=zeros(1,10000);
for i=1:100
    for j=1:10000
        r(i,j)=betarnd(2,2);
    end
end
for i=1:100
    sig=r(i,:);
end

再附上一些常用分布的随机生成函数：
betarnd β分布
binornd 二项分布
chi2rnd 卡方分布
exprnd 指数分布
gamrnd 伽马分布
poissrnd 泊松分布

记录一个常用函数：

[f,x]=ksdensity(sig);
matlab的help记录得很详细，大概就是求出一串数据的概率分布,返回x和f，f是每个值对应的概率，可以直接使用plot（x，f）来绘制概率分布图。

高斯分布拟合

u=mean(SIGNAL);                            %均值
delta=var(SIGNAL);                          %方差
y=1/sqrt(2*pi*delta).*exp(-(x-ones(1,length(x)).*u).^2./(2*delta));

可以改变数据长度来对比拟合效果，如下：



可以明显的见到，数据长度越长，拟合效果就越好。