将正态分布的 z 统计量转换为单尾或双尾 p 值通过整合标准的普通pdf。 如果没有指定“tails”值，z2p 默认计算双尾值。 输出 p 与 z 大小相同，可以是标量、向量或矩阵。 输入： z：正态分布 z 统计量（正或负） （可选）tailed：计算概率值的尾部数量。 （注意：根据正态分布的对称性，双尾 p 值是单尾 p 值的两倍。） 当检验统计量呈正态分布时，此函数对于假设检验很有用。

正态均值（方差已知）的共轭先验分布是正态分布

四、二维和多维正态云模型 在空间数据库中, 很多概念是由多个密不可分的因素决定的, 例如, 地理位置由经度和纬度两个值确定, 彩色由红、绿、蓝3 个分量确定, 它们对应的论域为二维和三维论域。 二维云模型是用语言值描述的某个定性概念与其二维数值表示之间的不确定性转换模型。二维云的概念可以绘成三维图形, 图5 是语言值“中心”对应的二维云的表面图。从图中我们可以看到它象一个坟头或山包, 在山顶和山脚较光滑、变化缓慢, 而在山腰表面粗糙、变化剧烈, 这说明二维云的“厚度”是不均匀的, 在山腰分散, 在山顶和山脚更汇聚。因此, 二维云是一维云的自然扩展。 理论及其在空间数据发掘和知识发现中的应用--中国图象图形学报--1999 年11 月 邸凯昌, 　李德毅　李德仁

在文献中，有几种可用的多元正态性检验（约 50）。 其中包括基于观测值平方 Mahalanobis 距离的卡方分位数-分位数图的图形方法。 除了图形 qq 接近之外，在这个文件中，我们提出了一个替代的统计测试。 它只需要多元样本数据矩阵。

正态云模型

X = rmvnrnd(MU,SIG,N,A,B) 在 N×P 矩阵 X a 中返回从 P 维多元正态中抽取的随机样本均值 MU 和协方差 SIG 截断为 a 的分布由不等式 Ax<=B 定义的超平面界定的区域。 [X,RHO,NAR,NGIBBS] = rmvnrnd(MU,SIG,N,A,B) 返回算法接受-拒绝部分的接受率 RHO （见下文），由生成的返回样本的数量 NAR 接受-拒绝算法，以及返回的 NGIBBS 数算法的 Gibbs 采样器部分。 rmvnrnd(MU,SIG,N,A,B,RHOTHR) 设置可接受的最小值算法接受-拒绝部分的接受率到 RHOTHR。 默认值是经验确定的值2.9e-4。

正态性检验过程步骤: 1.Analyze 2.Descriptive Statistics 3.Explore…

针对多元正态总体均值向量和协差阵的假设检验

利用多元同余法随机数产生正态随机数 利用多元同余法随机数产生正态随机数 利用多元同余法随机数产生正态随机数 利用多元同余法随机数产生正态随机数

一元正态总体参数估计的回顾