步骤1.加载样本数据。

加载样本数据。

加载carsmall;

该数据包含英里每加仑（MPG）用于测量不同品牌和汽车型号，由原籍国分组（起源），车型年（Model_Year），以及其它车辆特性。

步骤2.创建分类数组。

转变起源成分类数组。

原点=分类（cellstr（原点））;

步骤3适合内核分布到每个组。

用fitdist以适应内核分布在起源组的每个国家MPG数据。

[KerByOrig，国家] = fitdist（MPG，'核心'，'通过'，起源）

KerByOrig =1×6单元阵列列1至2 {的1x1 prob.KernelDistribution} {的1x1 prob.KernelDistribution}列3至4 {的1x1 prob.KernelDistribution} {的1x1 prob.KernelDistribution}列5至6 {的1x1 prob.KernelDistribution} {的1x1 prob.KernelDistribution}

国家=6x1的细胞{ '法国'} { '德国'} { '意大利'} { '日本'} { '瑞典'} { 'USA'}

单元阵列KerByOrig包含六个内核分发对象，一个用于在采样数据表示的每个国家。每个对象都包含性质有关的数据，分配，和参数保持信息。数组国家列出原产国为每个组中的相同的顺序的分配对象存储在KerByOrig。

步骤4计算的PDF为每个组。

提取德国，日本和美国的概率分布的对象。使用每个国家的位置上KerByOrig在步骤3中，这表明德国是第二个国家中所示，日本是第四个国家和美国是第六个国家。计算每个组的PDF。

德国= KerByOrig {2};日本= KerByOrig {4};美国= KerByOrig {6};X = 0：1：50;USA_pdf = PDF（美国，X）;Japan_pdf = PDF（日本，X）;Germany_pdf = PDF（德国，X）;

步骤5.绘制每组的PDF文件。

绘制每个组在同一图中的PDF文件。

图（X，USA_pdf，'R-'）保持上图（X，Japan_pdf，'B-'。）情节（X，Germany_pdf，'K：'）图例（{'美国'，'日本'，'德国'}，'位置'，'NW'）标题（“MPG通过原产地”）xlabel（'MPG'）

所得的情节展示了如何英里每加仑（MPG）业绩来源国不同（起源）。利用这些数据，美国具有最广泛的分布，其峰值为最低MPG这三个来源值。日本有一个稍重的左尾部最经常分布，其峰值是在最高MPG这三个来源值。对于德国的峰是在美国和日本，和近44英里第二凸块之间每加仑表明，有可能在数据的多个模式。