MATLAB实战：用四大统计分布搞定数据分析（附完整代码）

统计分布是数据分析的基石，而MATLAB强大的统计工具箱让这些理论变得触手可及。本文将带您深入探索正态分布、卡方分布、t分布和F分布在实际项目中的应用技巧，从参数估计到假设检验，每个环节都配有可直接运行的代码示例。

1. 正态分布：数据分析的通用语言

正态分布之所以被称为"王者分布"，不仅因为其优美的钟形曲线，更因为它在自然现象和社会数据中的普遍存在。MATLAB中的normfit函数可以直接输出均值、标准差的点估计和区间估计，这是很多工程师不知道的实用技巧。

% 生成模拟身高数据并计算统计量
rng(123); % 固定随机种子保证可重复性
heights = normrnd(170, 5, [100,1]); % 生成100个均值170cm，标准差5cm的数据

[mu, sigma, muCI, sigmaCI] = normfit(heights);
disp(['均值估计: ', num2str(mu), ' 置信区间: [', num2str(muCI(1)), ', ', num2str(muCI(2)), ']']);

实际应用技巧：

• 使用normplot快速检验数据正态性
• norminv函数可以计算特定分位数的临界值
• 对于非正态数据，考虑log变换后再检验

提示：当样本量小于30时，建议使用t分布代替正态分布进行区间估计

2. 卡方分布：方差分析与拟合优度检验

卡方分布在品质检验和列联表分析中扮演着关键角色。MATLAB的chi2gof函数实现了卡方拟合优度检验，可以验证样本是否来自特定分布。

% 卡方拟合优度检验示例
observed = [36 25 31 28 24 37 33 35 34 30]; % 观察频数
expected = ones(1,10)*30; % 理论均匀分布期望频数

[h, p, stats] = chi2gof(1:10, 'Frequency', observed, 'Expected', expected);
disp(['检验p值: ', num2str(p)]); % p>0.05则不拒绝原假设

进阶应用场景：

• 用chi2inv计算检验临界值
• 列联表的独立性检验
• 方差齐性检验(Bartlett检验)

3. t分布：小样本分析的利器

当样本量较小或总体方差未知时，t分布比正态分布更可靠。MATLAB的ttest系列函数提供了完整的t检验解决方案。

% 配对样本t检验实战
before = [78 89 67 90 81 76 85]; % 治疗前数据
after = [75 85 65 88 78 75 82]; % 治疗后数据

[h, p, ci, stats] = ttest(before, after);
disp(['t统计量: ', num2str(stats.tstat), ' p值: ', num2str(p)]);

关键参数对比：

函数	用途	输出参数
ttest	单样本t检验	h, p, ci, stats
ttest2	两独立样本t检验	h, p, ci, stats
ttestn	多组数据t检验	多维输出

4. F分布：方差分析的基石

F分布是方差分析(ANOVA)的核心，MATLAB的anova1和anovan函数让复杂的方差分析变得简单。

% 单因素方差分析示例
group1 = [5.2 5.7 5.3 5.5 5.1]; % 第一组数据
group2 = [5.8 6.2 6.0 5.9 6.1]; % 第二组数据
group3 = [6.5 6.8 6.6 6.7 6.4]; % 第三组数据

data = [group1'; group2'; group3'];
group = [ones(5,1); 2*ones(5,1); 3*ones(5,1)];

[p, tbl, stats] = anova1(data, group);
disp(['F值: ', num2str(tbl{2,5}), ' p值: ', num2str(p)]);

可视化技巧：

• 使用boxplot展示组间差异
• multcompare函数进行多重比较
• interactionplot展示交互效应

5. 四大分布的综合应用案例

将四种分布结合使用可以解决更复杂的实际问题。下面是一个完整的假设检验流程示例：

% 完整的数据分析流程
% 步骤1：正态性检验
data = [28 32 35 29 31 33 36 30 34 37];
[h, p] = lillietest(data); % Lilliefors检验

% 步骤2：参数估计
[mu, sigma] = normfit(data);

% 步骤3：单样本t检验
[ht, pt, cit, statst] = ttest(data, 30);

% 步骤4：方差齐性检验
data2 = [29 31 34 36 38 40];
pvar = vartest2(data, data2);

% 步骤5：两样本t检验
[htt, ptt, citt, statstt] = ttest2(data, data2);

性能优化建议：

• 对大样本数据使用parfor加速计算
• 预分配数组内存提升循环效率
• 使用tic/toc监控关键代码段耗时

6. 高级可视化技巧

MATLAB强大的绘图功能可以让统计结果一目了然。以下代码展示了如何绘制四大分布的对比图：

% 四大分布可视化对比
x = -4:0.1:4;
figure('Position', [100 100 1200 800])

% 正态分布
subplot(2,2,1)
plot(x, normpdf(x,0,1), 'LineWidth',2)
title('标准正态分布')

% t分布
subplot(2,2,2)
hold on
plot(x, tpdf(x,5), 'r', 'LineWidth',2)
plot(x, tpdf(x,30), 'b--', 'LineWidth',2)
legend('df=5','df=30')
title('t分布')

% 卡方分布
subplot(2,2,3)
xx = 0:0.1:10;
plot(xx, chi2pdf(xx,3), 'g', 'LineWidth',2)
title('卡方分布(df=3)')

% F分布
subplot(2,2,4)
xxx = 0:0.1:5;
plot(xxx, fpdf(xxx,5,10), 'm', 'LineWidth',2)
title('F分布(5,10 df)')

图形美化技巧：

• 使用set(gca, 'FontSize',12)调整坐标轴字体
• grid on添加参考网格线
• exportgraphics导出高质量图片