在MATLAB中，可以使用 normfit 函数来拟合一组数据到一个正态分布。normfit 函数会提供正态分布的参数估计，包括均值（mean）和标准差（standard deviation）。以下是一个使用normfit函数的简单例子：
假设有一组数据data
data = randn(1000,1); 生成一个标准正态分布的随机样本数据
使用normfit函数拟合正态分布
[mu, sigma] = normfit(data);
显示拟合得到的均值和标准差
disp(['均值 = ', num2str(mu)]);
disp(['标准差 = ', num2str(sigma)]);
可以使用normpdf函数生成拟合的正态分布的概率密度函数（PDF）值
x = linspace(min(data), max(data), 100);
pdf_fitted = normpdf(x, mu, sigma);
绘制原始数据的直方图和拟合得到的正态分布曲线
histogram(data, 30, 'Normalization', 'pdf'); 数据的PDF直方图
hold on; 保持图像，以便在同一图上绘制
plot(x, pdf_fitted, 'r', 'LineWidth', 2); 绘制拟合的正态分布曲线
hold off; 释放图像
在上述代码中，randn 函数生成了一个标准正态分布的随机样本。在实际操作中，可以使用自己的数据集替换data变量。normfit函数返回数据集的均值mu和标准差sigma，是正态分布的参数。
我们可以用normpdf函数和这些参数来生成拟合的正态分布的PDF，并将其与原始数据的直方图一起绘制出来。
需要注意的是，确保在使用这些函数之前，的MATLAB环境中已经安装了统计和机器学习工具箱，因为normfit函数是这个工具箱的一部分。