本文介绍如何用Matlab概率分布函数拟合数据，主要包括以下内容：
一、概率分布函数介绍
概率分布函数是描述随机变量取值分布规律的数学函数。常用的概率分布函数有正态分布、伽马分布、泊松分布等。在实际应用中，我们常常需要对数据进行拟合，来确定其背后的概率分布函数。
二、拟合方法
Matlab提供了多种拟合方法，其中最常用的是最小二乘法拟合。在Matlab中，使用fitdist函数可以进行概率分布函数的拟合。
三、实例演示
下面我们来通过一个实例演示如何用Matlab对数据进行正态分布函数拟合。
% 生成随机数据
data = normrnd(10,2,1000,1);
% 对数据拟合正态分布函数
pd = fitdist(data,'Normal');
% 绘制原数据和拟合曲线
histogram(data,'Normalization','pdf');
hold on
x = -5:0.1:25;
y = pdf(pd,x);
plot(x,y,'LineWidth',2);
xlabel('数据值');
ylabel('概率密度');
legend('原数据','拟合曲线');
运行上述代码后，我们可以得到如下图所示的原数据和拟合曲线：
四、总结
通过上述实例，我们可以看到用Matlab进行正态分布函数拟合的方法非常简单。除正态分布外，Matlab还支持伽马分布、指数分布、泊松分布等概率分布函数的拟合。