1. 概率密度函数简述
概率密度函数（Probability Density Function, PDF）是描述随机变量取值的概率分布规律的函数，是概率论和统计学中重要的基本概念之一。PDF定义为随机变量的取值落在一个确定区间内的概率与该区间长度的比值。在数学上，PDF是对随机变量连续型概率分布的描述。
2. MATLAB代码实现
MATLAB是一款方便易用的数学软件，可以实现概率密度函数的计算。下面是一个简单的MATLAB程序，用于计算正态分布概率密度函数：
```
function y = normpdf(x, mu, sigma)
% normpdf: normal probability density function (pdf).
y = (1./(sqrt(2*pi)*sigma)) .* exp(-(x-mu).^2 ./ (2*sigma^2));
end
```
3. 代码解释
上述MATLAB代码实现了正态分布概率密度函数的计算。其中，x是自变量，mu是均值，sigma是标准差。该函数返回一个与x维数相同的向量，每个元素是对应x的正态分布概率密度函数值。
该函数的实现基于正态分布的概率密度函数公式。对于正态分布，其概率密度函数可以用一个正态分布曲线表示，曲线在均值处取最大值，标准差决定了曲线的宽度。这个曲线的形状可以通过上述公式计算得到。
4. 应用示例
下面以一个具体的例子展示如何使用MATLAB计算正态分布概率密度函数。假设有一个身高数据样本集合，我们要求得这个样本集合的正态分布概率密度函数，并对其进行可视化。
首先，我们需要准备数据。下面给出一个简单的MATLAB程序，用于生成1000个随机身高数据样本：
```
mu = 175; % 平均身高
sigma = 6; % 身高标准差
N = 1000; % 样本数量
heights = mu + sigma * randn(1,N); % 生成随机身高数据
```
上述程序生成了一个1000个元素的身高数据样本集合。其中，平均身高为175cm，标准差为6cm，这里使用了MATLAB内置的randn函数生成了随机数据。
接着，我们可以用上述编写的normpdf函数计算身高数据样本的正态分布概率密度函数，并将结果可视化：
```
x = 140:0.1:210; % 自变量范围
pdf = normpdf(x, mu, sigma); % 计算概率密度函数
plot(x, pdf, 'LineWidth', 2); % 绘制曲线
xlabel('height (cm)'); ylabel('pdf'); % 添加坐标轴标签
```
上述程序将自变量范围设定为140~210cm，并将该范围内的每个自变量值都代入normpdf函数计算对应的概率密度函数值。最后，程序将得到的概率密度函数可视化。
总结
本文介绍了概率密度函数的基本概念，并给出了一个简单的MATLAB代码实现。通过该代码，我们可以方便地计算正态分布概率密度函数，并可视化结果。这种方法在科学研究和工程应用中都有广泛的应用价值。
