与平均创建标准正态分布对象， $$\mu$$，等于0和标准差， $$\sigma$$等于1。

亩= 0;西格玛= 1;PD = makedist（'正常'，“亩”亩,“西格玛”σ);

定义输入向量p以包含概率值在其计算ICDF。

P = [0.1,0.25,0.5,0.75,0.9];

计算中值处的标准正态分布的icdf值p。

X = ICDF（PD，p）的

x =1×5-1.2816 -0.6745 0 0.6745 1.2816

每个值在X对应于输入向量中的一个值p。例如，在值p等于0.9时，对应的ICDF值X等于1。2816。

或者，您可以计算相同的icdf值，而不需要创建一个概率分布对象。使用icdf功能并使用相同的参数值指定一个标准正态分布 $$\mu$$和 $$\sigma$$。

X2 = ICDF（'正常'，P，μ，西格马）

X2 =1×5-1.2816 -0.6745 0 0.6745 1.2816

的ICDF值是相同的那些使用概率分布计算对象。

与速度参数创建一个泊松分布对象， $$\lambda$$，等于2。

λ= 2;PD = makedist（“泊松”，“λ”λ);

定义输入向量p以包含概率值在其计算ICDF。

P = [0.1,0.25,0.5,0.75,0.9];

计算中值处的泊松分布的icdf值p。

X = ICDF（PD，p）的

x =1×50 1 2 3 4

每个值在X对应于输入向量中的一个值p。例如，在值p等于0.9时，对应的ICDF值X等于4。

或者，您可以计算相同的icdf值，而不需要创建一个概率分布对象。使用icdf函数并使用相同的速率参数值指定泊松分布 $$\lambda$$。

X2 = ICDF（“泊松”,p,λ)

X2 =1×50 1 2 3 4

的ICDF值是相同的那些使用概率分布计算对象。

创建一个标准的正态分布对象。

PD = makedist（'正常'）

正态分布正态分布= 0 = 1

通过计算上、下2.5%的值，确定标准正态分布测试统计量在5%显著性水平下的临界值。

X = ICDF（PD，[025，0.975]）

x =1×2-1.9600 - 1.9600

绘制cdf并在关键区域涂上阴影。

P = normspec（X，0,1，“外”）

p = 0.0500