目前，统计工具箱中不包含正态逆高斯分布。 这个 m 文件集合为这个工具箱补充了 NIG 分布最重要的功能：随机数、矩、cdf、pdf 和矩拟合参数。

Henze 和 Zirkler (1990) 介绍了单变量的多变量版本 统计文献中有许多用于评估多变量正态性的测试（Mecklin 和 Mundfrom，2003）。 不幸的是，没有已知的统一最强大的测试，建议执行多个测试来评估它。 已经发现，Henze和Zirkler检验具有很好的总体能力，可以替代正态性的替代方法。 Henze-Zirkler 检验基于测量两个分布函数之间的距离的非负函数距离：多元正态性的特征函数和经验特征函数。 Henze-Zirkler 统计量近似呈对数正态分布。 对数正态分布用于计算原假设概率。 根据 Henze-Wagner (1997) 的说法，该测试具有以下理想特性： -仿射不变性-- 对每个固定非正态替代分布的一致性--针对 n^-1/2 阶连续替代的渐近幂-- 任何维度和任何样本大小的可行性 如果数据是多元正态的，则检验统计量 HZ 近似服从对

包含对正态分布和对数正态分布的直方图数据的拟合。 虽然仍然需要拟合工具箱，但参数的调整方式使 Matlab 可以实际拟合值（例如非常小的 x 值）！ 函数返回 mu 和 sigma 参数、缩放因子（对于非单位分布）和拟合优度。 另外包括 logn2mean 和 mean2logn 以在 logn 参数 mu/sigma 和均值/标准值之间进行转换（与返回均值和方差的 lognstat 相反）

本代码主要利用MATLAB工具实现MATLAB——绘制正态拟合曲线直方图，简单明了，易于理解

Matlab 不允许说我们适合数据集的分布被截断。 在高斯分布的情况下，Matlab 只计算均值和西格玛，并将它们用作 pdf 的参数，但是如果从一侧切割分布，则这不起作用，例如当您的测量值低于某个检测值时限制。 然后拟合分布将发生偏移。 这里我举一个小例子，如何在这种情况下进行拟合。

有很多人做测量性工作不知道归纳，此文正态分布式比较好的方法

基于winform的正态云生成算法，里面有详细的代码注释，绘制云图，绘制坐标轴一气呵成。易懂。

四、多元正态分布的任何边际分布仍为正态分 布。设 ，则 的任何子向量也服 从多元正态分布，其均值为 的相应子向量， 协方差矩阵为 的相应子矩阵。 证明 不妨对 的前 个变量组成的 子向量作出证明，将 ， ， 作如下的剖 分：

快速描述（带图片）在这里： http://dobor.blogspot.com/2014/01/plotting-bivariate-gaussian-density.html 绘制轮廓和二元正态分布的表面。 更改参数并查看分布如何变化：更改协方差矩阵中的条目并查看分布的形状如何更改； 仅更改均值向量中的条目并在空间中移动分布而不改变其形状。

正态概率纸用于对数据是否服从正态概率分布进行验证，本代码由matlab实现