步骤1。加载样例数据。

加载样例数据。

负载carsmall；

此数据包含每加仑英里数(英里/加仑)，以原产国分类的不同品牌和型号的汽车尺寸(起源)、型号年份(一年)，以及其他车辆特征。

步骤2。拟合内核分发对象。

使用fitdist将一个核概率分布对象拟合为每加仑英里数(英里/加仑)所有车型的数据。

pd = fitdist(MPG，“内核”）

pd = KernelDistribution内核= normal带宽= 4.11428 Support = unbou金宝appnded

这将创建一个概率。KernelDistribution对象。默认情况下,fitdist使用正常的核平滑函数并选择最优带宽来估计正常密度，除非另有指定。您可以访问有关拟合的信息，并使用相关的对象函数执行进一步的计算。

步骤3。计算描述性统计数据。

计算拟合的核分布的平均值、中位数和标准偏差。

M = mean(pd)

M = 23.7181

Med =中位数(pd)

Med = 23.4841

S = std(pd)

S = 8.9896

步骤4。计算并绘制pdf。

计算并绘制拟合的核分布的pdf。

图x = 0:1:60;Y = pdf(pd,x);情节(x, y,“线宽”2)标题(“每加仑英里数”)包含(“英里”）

该图显示了适合内核分布的pdf英里/加仑所有车型的数据。分布是平稳和相当对称的，尽管它是轻微倾斜，较重的右尾。

第5步。生成随机数。

从拟合的核分布生成一个随机数向量。

rng (“默认”）%用于再现性R = random(pd,1000,1);图嘘(r);集(get (gca),“孩子”)，“FaceColor”,(。8 .8 1]);持有在Y = Y *5000;%缩放pdf覆盖在直方图上情节(x, y,“线宽”2)标题(“由分布产生的随机数”)举行从

直方图的形状与pdf图相似，因为从非参数核分布生成的随机数适合样本数据。