概率论与数理统应用.docVIP

概率论与数理统计应用 上机实验报告 实验名称：对总体中参数估计进行计算机模拟验证 1、产生服从给定分布的随机数，模拟密度函数与统计直方图之间随样本容量的增大和区间长度越短的变化趋势。 解： k=10;% k从10开始以10为单位 n=10000; y=normrnd(0,2.5,1,n); hist(y,k); histfit(y,k); 运行结果： n=10000; %n从10000开始以10000为单位 k=100; y=normrnd(0,2.5,1,n); hist(y,k); histfit(y,k); 运行结果如下： 随着样本容量的增大，在频率直方图中绘出的曲线越来越接近于正态分布概率密度曲线，而拟合出的曲线上的点也近似接近于每个直方图中各矩形上边的中点，当n趋近于无穷大时，由频率直方图拟合的曲线就会与正态分布的概率密度曲线重合。而随着区间宽度变短，曲线拟合的结果也会愈发精确，拟合出的分布曲线也更加接近正态分布曲线。 2、对分布中包含的参数进行点估计，比较估计值与真值的误差随容量增大的变化趋势。 解：程序如下： for n=10000:10000:100000 y=normrnd(1,2.5,1,n); u=0; sigma=0; for k=1:1:n u=u+y(k); end u=u/n; for k=1:1:n sigma=(y(k)-u)^2+sigma; end sigma=sigma/n; n u Eu=abs(u-1)/1 sigma Esig=abs(sigma-4)/4 end 运行结果如下： n = 10000 u = 0.9888 Eu = 0.0112 sigma = 6.2158 Esig = 0.5540 n = 20000 u = 0.9996 Eu = 4.2671e-004 sigma = 6.2404 Esig = 0.5601 n = 30000 u = 0.9883 Eu = 0.0117 sigma = 6.2127 Esig = 0.5532 n = 40000 u = 0.9936 Eu = 0.0064 sigma = 6.2512 Esig = 0.5628 n = 50000 u = 0.9918 Eu = 0.0082 sigma = 6.2451 Esig = 0.5613 n = 60000 u = 0.9933 Eu = 0.0067 sigma = 6.2466 Esig = 0.5617 n = 70000 u = 1.0242 Eu = 0.0242 sigma = 6.2506 Esig = 0.5627 n = 80000 u = 0.9937 Eu = 0.0063 sigma = 6.2216 Esig = 0.5554 n = 90000 u = 0.9858 Eu = 0.0142 sigma = 6.2483 Esig = 0.5621 n = 100000 u = 1.0044 Eu = 0.0044 sigma = 6.2441 Esig = 0.5610 3、对分布中包含的参数进行区间估计，并验证区间估计的可信度。 解：程序如下： syms sigma X u S y X=sym(u-sqrt(-log(y*sqrt(2*pi*sigma))*2*sigma^2)); n=40; x=normrnd(0,1,1,n); qw=0; for k=1:n qw=qw+x(k); end qw=qw/n; u=0; sigma=1; y=0.025; value=sigma/sqrt(n)*eval(X); 运行结果如下： qw qw = -0.2562 up=qw+value up = -0.6284 down=qw-value down = 0.1159 fc=0; for k=1:n fc=fc+(qw-x(k))^2; end sigup=sqrt(fc/23.654) sigup = 1.1671 sigdown=sqrt(fc/58.12