数学建模 MATLB简介第五部分 概率统计常用算法.docVIP

MATLAB简介 数学建模 第五部分 概率统计常用算法 一、常用的概率分布计算 1、概率密度函数 调用格式为 pdf (‘name’ , x , 参数表列) 或 namepdf (x , 参数表列) 得到相应的概率密度函数值 其中name可以为以下值 bino 二项分布 poiss 泊松分布 exp 指数分布 norm 正态分布 unif 均匀分布 beta BATA分布 gam 伽马分布 chi2 卡方分布 t t分布 f F分布 例1、绘制正态分布密度函数的图象。 x=-2:0.1:8; y=normpdf(x,3,2); plot(x,y,’+’) 2、概率值计算 p=namecdf (x , 参数表列) 得到相应的分布函数值 其中函数名name的含义同前。 例2、设。 P1= normcdf(5,3,2)- normcdf(2,3,2) P2=1- normcdf(2,3,2)+ normcdf(-2,3,2) 3、期望和方差 [M，V]=namestat (参数表列) 得到相应分布的期望和方差 其中函数名name的含义同前。 例3、求二项分布和泊松分布的期望和方差。 [M，V]=binostat (20,0.2) [M，V]=poisstat (6) 二、数理统计常用算法 1、统计图 hist (x) 样本直方图 rose (x) 样本的角度扇形图 例4、画出样本的统计图 x=[12,12,12,13,13,13,13,13,13,14,14,14,14,14,14,14,14,14,14,14,14,15,15,15,15,15,15,15,15,15,15,15,15,15,15,15,15,15,15,15,15,15,15,15,15,15,15,15,15,15,15,16,16,16,16,16,16,16,16,16,16,16,16,16,17,17,17,17,17,17,17,17,18,18,18,18,18,19,19,19,19,20]; hist (x) rose (x) 2、统计量的数字特征 mean(x) 样本均值 var(x) 样本方差 std(x) 样本标准差 cov(x,y) 样本的协方差矩阵 corrcoef (x,y) 样本的相关系数矩阵 例5、随机取8只活塞环，测得它们的直径（毫米）分别为 74.001 74.005 74.003 74.001 74.000 73.998 74.006 74.002 试求样本均值、样本方差和样本标准差的值。 x=[74.001 74.005 74.003 74.001 74.000 73.998 74.006 74.002]; mean(x) var(x) std(x) 3、常用统计分布的分位点 nameinv (x, 参数表列) 其中函数名name的含义同前。 例6、求分位点。 norminv(0.025, 0,1) tinv(0.025, 10) chi2inv(0.025 ,10) finv(0.05 ,6,10) 4、参数估计 namefit (x, ) 分布参数的极大似然估计和水平的置信区间 其中函数名name的含义同前。 例7、某种清漆的9个样品，其干燥时间（以小时计）分别为 6.0 5.7 5.8 6.5 7.0 6.3 5.6 6.1 5.0 设干燥时间服从正态分布，求的估计值和置信度为0.95的置信区间。 x=[6.0 5.7 5.8 6.5 7.0 6.3 5.6 6.1 5.0]; [mu,sigma,muci,sigmaci]=normfit (x,0.05) 5、假设检验 [H,SIG]=ztest(x, mu, sigma, ,tail) 已知时对正态总体参数作检验 [H,SIG]=ttest(x, mu, ,tail) 未知时对正态总体参数作检验 若tail=0，表示 若tail=1，表示 若tail=-1，表示 结论：H=0，表示接受原假设 H=1，表示拒绝原假设 SIG为犯错误的概率 例8、自动包装机包装出的产品服从正态分布，从中抽取出9