MATLAB/R/Python三剑客：如何用不同语言绘制标准正态分布与t分布对比图（附完整代码）

MATLAB/R/Python三剑客：标准正态分布与t分布可视化实战指南

1. 概率分布基础与可视化意义

在数据分析和统计建模中，理解概率分布的特性至关重要。标准正态分布（均值为0，标准差为1）和t分布是两种最常用的连续概率分布，它们在假设检验、置信区间估计和机器学习等领域有广泛应用。

核心差异：

• 标准正态分布：对称的钟形曲线，尾部衰减较快
• t分布：类似正态分布但尾部更厚，自由度越小尾部越厚

可视化对比能直观展示：

• 不同自由度下t分布与正态分布的接近程度
• 尾部概率的差异对统计推断的影响
• 样本量对分布选择的影响（t分布适用于小样本）

# 基本概率密度函数公式
标准正态分布：f(x) = (1/√(2π)) * e^(-x²/2)
t分布（自由度k）：f(x) = Γ((k+1)/2) / (√(kπ)Γ(k/2)) * (1+x²/k)^(-(k+1)/2)

2. MATLAB实现方案

MATLAB的统计工具箱提供了完整的分布函数支持，适合工程领域快速实现。

2.1 基础绘图代码

% 参数设置
x = -4:0.01:4;  % 定义x轴范围
lineWidth = 2;   % 线宽设置

% 计算概率密度
y_norm = normpdf(x, 0, 1);      % 标准正态
y_t1 = tpdf(x, 1);              % df=1
y_t5 = tpdf(x, 5);              % df=5
y_t30 = tpdf(x, 30);            % df=30

% 绘图
figure('Position', [100, 100, 800, 600])
plot(x, y_norm, 'LineWidth', lineWidth)
hold on
plot(x, y_t1, 'LineWidth', lineWidth)
plot(x, y_t5, 'LineWidth', lineWidth)
plot(x, y_t30, 'LineWidth', lineWidth)

% 图形修饰
grid on
legend('标准正态', 't(df=1)', 't(df=5)', 't(df=30)')
title('标准正态与t分布对比')
xlabel('x值')
ylabel('概率密度')
set(gca, 'FontSize', 12)

2.2 高级可视化技巧

多子图对比：

figure('Position', [100, 100, 1000, 800])
subplot(2,2,1)
plot(x, y_norm, 'b', x, y_t1, 'r', 'LineWidth', 2)
title('df=1对比')

subplot(2,2,2)
plot(x, y_norm, 'b', x, y_t5, 'g', 'LineWidth', 2)
title('df=5对比')

subplot(2,2,3)
plot(x, y_norm, 'b', x, y_t30,