可以直接画点，如果采样比较密就近似认为是曲线；或者通过曲线拟合，得到你认为的阶次曲线；polyfit--由数据点进行曲线拟合，可以指定拟合曲线的阶次；输出就是函数多项式的系数，然后再画图就行了。看下帮助，有例子的。

二维数据的分布曲线可以用函数plot(x,y)画出分布曲线。例如有数据 x=0:0.1:2*pi;y=sin(x);plot(x,y);三维的数据的分布曲线可以用函数plot3(x,y,z)画出分布曲线。例如： t=0:0.1:2*pi;x=cos(t);y=sin(t);z=t; plot3(x,y,z);;plot(x,y)函数中，x为二维数据点的横坐标...

二维数据的分布曲线可以用函数plot(x,y)画出分布曲线。例如有数据 x=0:0.1:2*pi;y=sin(x);plot(x,y);三维的数据的分布曲线可以用函数plot3(x,y,z)画出分布曲线。例如：t=0:0.1:2*pi;x=cos(t);y=sin(t);z=t;plot3(x,y,z);;plot(x,y)函数中，x为二维数据点的横坐标，y...

下例可画出一条正弦曲线： close all; x=linspace(0, 2*pi, 100); % 100个点的x座标 y=sin(x); % 对应的y座标 plot(x,y); === 小整理：MATLAB基本绘图函数 plot: x轴和y轴均为线性刻度（Linear scale） loglog: x轴和y轴均为对数刻度（Logarithmic scale） semilogx: x轴为对数刻度...

这个问题可以按下来步骤进行：第一步，给出一组数值向量，如 x = [-2 -1 0 1 2];第二步，计算它的概率密度，如正态分布概率密度 mu = 1;sigma = 5;y = pdf('Normal',x,mu,sigma)第三步，用plot绘制它的概率密度曲线 plot（x,y）第四步，得到结果 ...

使用函数plot即可

建议你参考一下MATLAB的数理统计工具箱，里面有很多具体的应用例子和函数。我这里给出一个ksdensity函数 调用方式 [y,xi] = ksdensity(x);具体的可以 help ksdensity; 里面讲的很详细

>> %先求出这一组数据的方差σ，均值μ；%然后调用函数 y=gaussmf(x,[σ μ],正态分布又被称为高斯分布%代码如下%比如一组数据：data=[2 4 6 8 10 12]data = 2 4 6 8 10 12 >> %求出均值u>> u=mean(data)u = 7>> %求出标准差s，然后平方得方差sq>> s=st...

最简单的低通滤波也许是算术平均,plot(x,y(1:35),x,(y1+y2)/2,x,(y(1:35)+y(2:36)+y(3:37))/3)平滑效果很明显,见下图:

叫做曲线拟合，可以用fit命令，也可以用曲线拟合工具箱 工具箱最方便 先输入数据 打开start->toolboxes->curve fitting->curve fitting toolboxes 点data,选择你输入的两组数作为x，y，然后点creat data set,点close 点fitting-->new fit type of fit 有多种拟合方式，默认多项式拟合（polynomial）选择...