第10讲数据的统计与描述导论.ppt

To MATLAB(liti3) 3．逆概率分布：x=norminv(P,mu,sigma). 即求出x ，使得P{Xx}=P.此命令可用来求分位数. 2．概率分布：P=normcdf(x,mu,sigma) To MATLAB(liti4) To MATLAB(liti5) 4．均值与方差：[m,v]=normstat(mu,sigma) 例5 求正态分布N(3,52)的均值与方差. 命令为：[m,v]=normstat(3,5) 结果为：m=3,v=25 5．随机数生成：normrnd(mu,sigma,m,n).产生m×n阶的正态分布随机数矩阵. 例6 命令：M=normrnd([1 2 3;4 5 6],0.1,2,3) 结果为：M=0.9567 2.0125 2.8854 3.8334 5.0288 6.1191 To MATLAB（liti6） 此命令产生了2×3的正态分布随机数矩阵，各数分别服从分布：N(1,0.12), N(2,22), N(3, 32), N(4,0.12), N(5, 22), N(6, 32). 返回 1．给出数组data的频数表的命令为： [N,X]=hist(data,k) 此命令将区间[min(data),max(data)]分为k个小区间（缺省为10），返回数组data落在每一个小区间的频数N和每一个小区间的中点X. 2．描绘数组data的频数直方图的命令为： hist(data,k) 四、数 直 方 图 的 描 绘 返回 五、参数估计 1．正态总体的参数估计 设总体服从正态分布，则其点估计和区间估计可同时由以下命令获得： [muhat,sigmahat,muci,sigmaci]=normfit(X,alpha) 此命令在显著性水平alpha下估计数据X的参数（alpha缺省时设定为0.05），返回值muhat是X的均值的点估计值，sigmahat是标准差的点估计值, muci是均值的区间估计,sigmaci是标准差的区间估计. 2．其它分布的参数估计 有两种处理办法: 一、取容量充分大的样本（n50），按中心极限定理，它近似地 服从正态分布； 二、使用MATLAB工具箱中具有特定分布总体的估计命令. （1）[muhat, muci] = expfit(X,alpha) ──在显著性水平alpha下，求指数分布的数据X的均值的点估计及其区间估计. （2）[lambdahat, lambdaci] = poissfit(X,alpha) ──在显著性水平alpha下，求泊松分布的数据X的参数的点估计及其区间估计. （3）[phat, pci] = weibfit(X,alpha) ──在显著性水平alpha下，求Weibull分布的数据X的参数的点估计及其区间估计. 返回 * * 数学建模与数学实验 数据的统计描述和分析 实验目的 实验内容 2．掌握用数学软件包求解统计问题. 1．直观了解统计基本内容. 1．统计的基本理论. 3．实验作业. 2．用数学软件包求解统计问题. 统计的基本概念 参数估计 假设检验 数据的统计描述和分析 一、统计量 二、分布函数的近似求法 三、几个在统计中常用的概率分布 -4 -2 0 2 4 6 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 1 ． 正态分布 ) , ( 2 s m N 密度函数： 2 2 2 ) ( 2 1 ) ( s m s p - - = x e x p 分布函数： dy e x F y x 2 2 2 ) ( 2 1 ) ( s m s p - - ￥ - ò = 其中 m 为均值， 2 s 为方差， +￥ ￥ - x . 标准正态分布： N （0，1） 密度函数 2 2 2 1 ) ( x e x - = p j dy e x y x 2 2 2 1 ) ( - ￥ - ò = F p 分布函数 返回 F（10，50）分布的密度函数曲线 一、点估计的求法 (一）矩估计法 (二）极大似然估计法 二、区间估计的求法 1．已知DX，求EX的置信区间 2． 未知方差DX，求EX的置信区间 (一)数学期望的置信区间 （二）方差的区间估计 返回 1.参数检验：如果观测的分布函数类型已知，这时构造出的 统计量依赖于总体的分布函数，这种检验称为参数检验. 参数检验的目的往往是对总体的参数及其有关性质作出明 确的判断. 对总体X