在MATLAB中编写计算威布尔分布的程序，可以参考以下步骤和代码示例：
加载数据：
首先，需要加载需要分析的数据，并计算其统计参数，如均值（mean）和标准差（standard deviation）。
拟合威布尔分布：
使用MATLAB内置的函数`wblfit`来拟合威布尔分布，该函数会返回威布尔分布的参数，包括形状参数（k）和尺度参数（c）。
计算概率密度函数（PDF）：
根据拟合得到的参数，可以计算威布尔分布的概率密度函数。
绘制分布图：
最后，可以使用MATLAB的绘图功能来绘制威布尔分布的曲线。
```matlab
% 清除工作区并关闭所有图形窗口
clc；
close all；
clear all；
warning off；
% 加载数据（这里以随机数据为例）
data = wblrnd（8,2,100,1） + 1*rand（100,1）； % 生成100个随机样本
% 计算威布尔分布参数
[parmhat, ML] = fminsearch（@（x） myfun（data, x）, [1, 1]）； % 使用fminsearch函数找到使似然函数最大化的参数
% 提取参数
k = parmhat（1）； % 形状参数
c = parmhat（2）； % 尺度参数
% 计算概率密度函数
pdf = @（v） （k/c） * （v/c）.^（k-1） * exp（-（v/c）.^k）；
% 生成x轴数据
x = 0:0.1:20；
% 计算对应的y轴数据（概率密度）
fv = pdf（x）；
% 绘制威布尔分布曲线
plot（x, fv）；
xlabel（'风速v（m/s）'）；
ylabel（'概率密度f（v）'）；
title（'威布尔分布'）；
grid on；
```
在这个示例中，`wblrnd`函数用于生成威布尔分布的随机样本，`fminsearch`函数用于找到使似然函数最大化的参数，`myfun`是一个自定义函数，用于计算威布尔分布的概率密度函数。
请注意，这个示例假设你已经安装了MATLAB，并且熟悉其基本操作。如果你需要更具体的帮助，例如如何加载自己的数据或如何处理特定的边缘情况，请提供更多的信息。