步骤1。加载示例数据。

加载样例数据。

负载carsmall；

该数据包含每加仑汽油行驶的英里数(英里/加仑)按原产国分组，为不同的汽车制造及型号进行测量(起源)、型号年份(Model_Year)及其他车辆特性。

步骤2。创建一个分类数组。

变换起源放入一个分类数组。

起源=分类(cellstr(起源));

步骤3。对每一组拟合核分布。

使用fitdist拟合各来源国群体的核分布英里/加仑数据。

[KerByOrig、国家]= fitdist(英里/加仑,“内核”，“通过”起源)

KerByOrig =1×6单元阵列列1到2 {1x1问题。KernelDistribution} {1 x1概率。KernelDistribution}Columns 3 through 4 {1x1 prob.KernelDistribution} {1x1 prob.KernelDistribution} Columns 5 through 6 {1x1 prob.KernelDistribution} {1x1 prob.KernelDistribution}

国家=6 x1细胞{“法国”}{“德国”}{“意大利”}{‘日本’}{“瑞典”}{'美国'}

细胞数组KerByOrig包含6个内核分布对象，每个对象对应示例数据中表示的国家。每个对象都包含包含有关数据、分布和参数信息的属性。数组国家按存储分布对象的顺序列出每个组的原产国KerByOrig．

步骤4。计算每个组的pdf。

提取德国、日本、美国的概率分布对象。利用每个国家的位置KerByOrig如图3所示，表示德国是第二国家，日本是第四国家，美国是第六国家。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);

第5步。绘制每组的pdf。

在同一图上绘制每组的pdf。

情节(x, USA_pdf,的r -)举行在情节(x, Japan_pdf,b -。)情节(x, Germany_pdf凯西:”)({传奇“美国”，“日本”，“德国”}，“位置”，“西北”)标题(“按原产国划分的MPG”)包含(“英里”）

由此得到的图显示了每加仑汽油(英里/加仑)的表现因来源国而异(起源）.从这个数据来看，美国的分布最广，峰值最低英里/加仑价值的三个起源。日本的分布最为规律，左尾略重，峰值也最高英里/加仑价值的三个起源。德国的峰值是在美国和日本之间，第二个峰值是每加仑44英里，这表明数据中可能存在多种模式。