Возникла проблема при построении графиков

% H1 - появление объекта
% H0 - отсутствие объекта
% SNR = 10.*log10(1./sigma.^2); % выражение отношения сигнал-шум SNR
% SNR ∈ [-1;5]
% sigma = sqrt(10.^(-SNR./10)); % выражение дисперсии из отоншения SNR
% sigma ∈ [0.562;1.122]
% lymbda - пороговое значение, с которым сравнивается СВ Х
% определение констант для задания изменения дапазона значений lymbda и sigma
lymbda_start = 0;
lymbda_end = 1;
lymbda_step = 0.1;
% lymbda изеняется от 0 до 1 с шагом 0.1 // 11 значений
sigma_start = 0.562; % SNR = 5 дБ
sigma_end = 1.122; % SNR = 2.36 дБ
sigma_step = 0.2; % SNR = 0.34 дБ
% sigma изменяется от 0.562 до 1.122 с шагом 0.2 // 3 значения
x = linspace(-6,6,100); % задаем диапазон изменения СВ х
% для удобства от -6 до 6 (100 точек), т.к. дальше этих значений функция
% fx1 = fx0 ~ 0, НО при расчете интегралов верхний предел будет +inf
% Построение нескольких графиков для анализа
figure('Color','w');
tiledlayout(4,1); % создаем столбец из 4-х графиков
% 1. Плотности распределения и пороговые lymbda
% 2. ROC-кривые
% 3. Pd(lymbda) и Pfa(lymbda)
% 4. Расстояние от точки ROC-кривой до идеального значения (0,1)
ax1 = nexttile; % первый график плотности распределения и пороговые значения lymbda
ax1.ColorOrder = [1 0 0; 1 0 0; 0 0 1; 0 0 1; 1 0 1; 1 0 1];
hold on;
% Построение функций плотности распределения fx1 и fx2
for sigma=sigma_start:sigma_step:sigma_end
f0 = 1./(sqrt(2*pi*sigma.^2))*exp(-(x.^2) /(2*sigma.^2)); % fx|H0(x|H0)
f1 = 1./(sqrt(2*pi*sigma.^2))*exp(-(x-1).^2/(2*sigma.^2)); % fx|H1(x|H1)
plot(ax1,x,f0,x,f1);
 
end
% Построение всех пороговых значений lymbda (вертикальные прямые)
for lymbda=lymbda_start:lymbda_step:lymbda_end
plot([lymbda,lymbda],[0,0.8],'--k'); 
% plot([x1,x2],[y1,y2]) // по точкам прямая
end
grid on;
title('Функция плотности распределения');
legend('fx|H0(x|H0), ������ = 0.562','fx|H1(x|H1), ������ = 0.562','fx|H0(x|H0), ������ = 0.762','fx|H1(x|H1),������ = 0.762','fx|H0(x|H0), ������ = 0.962','fx|H1(x|H1), ������ = 0.962');
ylabel('fx|H0(x|H0), fx|H1(x|H1)');
xlabel('x');
 
hold off;
% Построение ROC-кривых в зависимости от разных sigma
ax2 = nexttile;
k = 0:0.01:0.55;
y = k; % Ниже прямой Pd < Pfa, выше - Pd > Pfa
P = plot(k,y,'--k'); % построение главной диагонали Pd(Pfa)
ax2.ColorOrder = [0 0 0; 1 0 0; 0 0 1; 1 0 1];
hold on;
 
lymbda_arr = zeros(1,11); % массив значений лямбда от 0 до 1 с шагом 0.01
Pfa_arr = zeros(1,33); % массив значений вероятностей ложного обнаружения
Pd_arr = zeros(1,33); % массив значений вероятностей обнаружения
S_arr = zeros(1,33); % массив расстояний от каждой точки ROC-кривой до (0,1)
% 3 sigma * 11 lymbda = 33 значения Pfa и Pd
probability_arr_counter = 1; % счетчик для массивов Pd и Pfa // 1:33
ROC_entry_counter = 1; % счетчик отделения ROC-кривых в одном целом массиве // 1:3
syms x; % задаем повторно функции для вычисления вероятностей успеха и ошибки
for sigma=sigma_start:sigma_step:sigma_end
% определение функций плотностей распределения для новой сигмы
fd = 1./(sqrt(2*pi*sigma.^2))*exp(-(x.^2) /(2*sigma.^2)); % fx|H0(x|H0)
ffa = 1./(sqrt(2*pi*sigma.^2))*exp(-(x-1).^2/(2*sigma.^2)); % fx|H1(x|H1)
lymbda_counter = 1; % счетчик для лямбда массива 1:11
% можно использовать остаток от деления на 11 у счетчика probability_arr_counter
mod (probability_arr_counter, 11);
for lymbda=lymbda_start:lymbda_step:lymbda_end
lymbda_arr(lymbda_counter) = lymbda; % добавляем элемент лямбда в массив
Pfa_arr(probability_arr_counter) = int(fd,lymbda,inf); % Pfa
%probability_arr_counter, Pfa_arr(probability_arr_counter)
Pd_arr(probability_arr_counter) = int(ffa,lymbda,inf); % Pd
%probability_arr_counter, Pd_arr(probability_arr_counter)
S_arr(probability_arr_counter) = sqrt(Pfa_arr(probability_arr_counter).^2 + (Pd_arr(probability_arr_counter) - 1).^2);
% вычисление расстояния от точки кривой до идеального значения (0,1)
 
probability_arr_counter = probability_arr_counter + 1; 
lymbda_counter = lymbda_counter + 1;
end
% Построение ROC-кривой
%plot(ax2, Pfa_arr(((ROC_entry_counter)*10+ROC_entry_counter):(11*ROC_entry_counter)),Pd_arr(((ROC_entry_counter)*10+ROC_entry_counter):(11*ROC_entry_counter)));
%plot(ax2, Pfa_arr(ROC_entry_counter),Pd_arr(ROC_entry_counter));
plot(ax2,Pfa_arr(((ROC_entry_counter)*10+ROC_entry_counter):(11*ROC_entry_counter)),Pd_arr(((ROC_entry_counter)*10+ROC_entry_counter):(11*ROC_entry_counter)));
 ROC_entry_counter = ROC_entry_counter + 1;
 
end
grid on;
title('ROC-кривая');
ylabel('Pd(������)');
xlabel('Pfa(������)');
legend('Главная диагональ','SNR = 5 дБ','SNR = 2.36 дБ','SNR = 0.34 дБ');
hold off;
% Построение отдельных функция зависимости Pd(lymbda) и Pfa(lymbda)
ax3 = nexttile;
ax3.ColorOrder = [1 0 0; 1 0 0; 0 0 1; 0 0 1; 1 0 1; 1 0 1];
hold on;
% probability_arr_counter счетчик отделения 3-х различных кривых в одном массиве
for probability_arr_counter=1:1:3
 
 plot(ax3, lymbda_arr, Pd_arr(((probability_arr_counter)*10+probability_arr_counter):(11*probability_arr_counter)), lymbda_arr, Pfa_arr(((probability_arr_counter)*10+probability_arr_counter):(11*probability_arr_counter)));
 
end
grid on;
title('Зависимость вероятности обнаружения и ложного обнаружения в зависимости от ������');
ylabel('Pd(������), Pfa(������)');
xlabel('������');
 
legend('Pd (������), ������ = 0.562','Pfa(������), ������ = 0.562','Pd (������), ������ = 0.762','Pfa(������), ������ = 0.762','Pd (������),������ = 0.962','Pfa(������), ������ = 0.962');
hold off;
% построение функции расстояния точки ROC-кривой до идеального значения (0,1) в зависимости от lymbda
ax4 = nexttile;
ax4.ColorOrder = [1 0 0; 0 0 1; 1 0 1];
hold on;
for probability_arr_counter=1:1:3
 
 plot(ax4, lymbda_arr, S_arr(((probability_arr_counter)*10+probability_arr_counter):(11*probability_arr_counter)));
 
end
grid on;
title('Зависимость расстояния точки ROC-кривой до идеального значенияя (0,1) в зависимости от ������');
ylabel('S(������)');
xlabel('������');
legend('SNR = 5 дБ', 'SNR = 2.36 дБ', 'SNR = 0.34 дБ');
hold off;