Построить плотность распределения вероятности для этой программы без использования hist

clear,clc
 
% теоретические значения мат. ожидания и СКО
mu = 0;
sigma = 1;
 
n = 100; % кол-во реализаций
N = 1:100; % набор длин
m=zeros(1,length(N));
s=zeros(1,length(N));
 
for j=1:length(N)
    for i = 1:n ; 
   
        % генерируем n реализаций случ. величины
        y = mu + sigma*randn(1,N(j));
        
        % Усредняем параметры для n реализаций
        m(j) =m(j)+1/n*mean(y); %мат.ожидание
        s(j) =s(j)+1/n*std(y); %СКО
    end    
end
 
% строим графики
ymu = mu*ones(1,length(N));
ysigm = sigma*ones(1,length(N));
plot(N, m,'-b',...
    N, s,'-g',...
    N, ymu,'--r',...
    N, ysigm,'--c')
title('Зависимость мат. ожидания и СКО от длинны выборки N')
legend('Расчетн. мат. ожидание','Расчетн. СКО','Теор. мат. ожидание','Теор. СКО')

clear, clc
 
x = randn(1,1000); % вектор случ. величин
 
n = 5; % кол-во диапазонов
a = min(x); % нижняя граница значений
b = max(x); % верхняя граница значений
d = (b-a)/n; % длинна диапазона
m = a:d:b; % масив точек начал диапазонов
 
for i = 2:length(m)
    B(i) = sum( (m(i-1)<=x)&(x<=m(i)) ); % кол-во элементов, попавших в данный диапазон
end
m1 = (a-d/2):d:(b-d/2); % середины диапазонов
subplot(1,2,1)
bar(m1,B,1)
xlim([-4 4])
title('Вручную')
 
subplot(1,2,2)
hist(x,n)
xlim([-4 4])
title('Встроенная')