第八讲 数学实验八.pptVIP

数学实验八MATLAB 统计工具箱  概率分布（离散，连续） 概率密度函数（Probability Density Function: pdf) 累积分布函数(Cumulative Distribution Function: cdf) 逆累积分布函数(Inverse…: icdf) 随机数产生器( Random Generator) 均值与方差计算函数 参数估计（分布参数估计和置信区间） 描述性统计 线性模型 非线一模型 假设检验 多元统计 统计绘图 统计工序管理 实验设计 统计工具箱函数 数值计算函数 交互式图形工具函数 概率密度函数 (probability density function) Y = PDF(NAME,X,A,B,C) 其中NAME为某种概率分布函数的名称，A, B, C为参数，X为给定所需计算的自变量的值，Y 为返回的函数值 NAME 可为 以下典型的概率密度函数标示 同时Matlab还提供了其它专用概率 密度函数 如：betapdf(a,b,c) 等价于 pdf(‘beta’,a,b,c) normpdf(x,a,b)等价于 pdf(‘norm’,x,a,b) 例：正态分布函数N(0,1) X=[-3:0.01:3] Y=normpdf(x,0,1) Plot(x,y) 累积分布函数和逆累积分布函数(cumulative distribution function) 累积分布函数定义： 即 逆累积分布函数：实际上为累积分布函数的逆函数 调用格式: P=cdf(‘NAME’,X,A,B,C) X=icdf(‘NAME’,P,A,B,C) 其中NAME的取值与pdf函数使用方法相同 另外也拥有专用cdf函数，如normcdf 随机数产生函数 产生的 基本方法（直接法，反演法，拒绝法） 产生随机数的函数 Y=Random(‘NAME’,A,B,C,m,n)? 另外也拥有专用随机数产生函数，如betarnd(a,b) 例：y=random(‘norm’,0,1,100,80) mesh(y) 均值和方差函数（20种专用函数）(Mean and variance ) [M,V] = NORMSTAT(MU,SIGMA) [M,V] = WEIBSTAT(A,B) [M,V] = BETASTAT(A,B) [M,V] = BIONSTAT(N,P) [M,V] = EXPSTAT(Mu) [M,V] = RAYSTAT(B) 等 参数估计 极大似然参数估计方法（Maximum Likelihood Estimate: MLE) 对数似然参数估计方法（只对部分分布函数提供） 参数估计函数格式 [phat.pci]=mle(‘NAME’,Data,alpha,p1) 其中NAME与前面定义相同（如：beta) Data为数据样本 Alpha为用户给定的置信度 P1为实验的次数 参数估计函数格式 L=normlike([mu,sigma] ,Data) Data为数据样本 Mu,sigma为用户给定的参数 Weiblike, gamlike, betalike等 描述性统计 目的：搜集﹑整理﹑加工和分析统计数据，使之系统化﹑条理化。从中显示数据资料的趋势﹑特征和数量关系。 内容：位置度量﹑散布度量﹑自助法和缺失数据情况下的处理办法。 样本的几何均值 M=geomean(X) 其中 样本数据的调和均值 m=harmmean(X) 其中 样本数据的算术平均值 m= mean(X) 其中 样本数据的中值（中位数） m= median(X) 其中 剔除极端数据的样本中值 m= trimmean(X,percent) 其中 散布度量 目的： 描述样本数据中数据偏离数据中心的程度 内容：标准差(std)和方差（Var) ；平均绝对偏差（mad) ； 四分位数间距 样本的标准差（Standard deviation） m= std(X) 其中 样本的协方差(Covariance matrix) m= cov(X，Y) 其中 样本数据的平均绝对偏差(mean absolute derive) m= mad(X) 其中 样本数据的内四分位数间距 m= iqr(X) 其中 样本数据的极差 m= range(X) 其中m=max(x)-min(x)