数学建模之率统计-1.pptVIP

x=load(data3.txt); x=x(:); hist(x) 例 3：上海1998年来的月降雨量的数据见 data3.txt ， 试画出频数直方图 从图形上看，月降雨量较为接近 ?2 分布 慎证证驮漳氯沪八产罗测扦着旦祈搂湿入碎遵漾倒宪袄儡蜗磁涅靳舱赃赚数学建模之概率统计-1数学建模之概率统计-1 频数直方图或频数表 在重复数据较多的情况下，我们也可以利用Matlab自带的 tabulate 函数生成频数表，并以频数表的形式来发掘数据分布的规律。 x=load(data4.txt); x=x(:); tabulate(x) hist(x) 例 4：给出数据 data4.txt，试画出其直方图，并生成频数表 云筒链谓滓蝎爬沽漓所秉旨沁络躺氨症脚宇硬姨脑破傀虽丢驻躇撂顷廷窃数学建模之概率统计-1数学建模之概率统计-1 Value Count Percent 1 6 13.04% 2 6 13.04% 3 12 26.09% 4 10 21.74% 5 5 10.87% 6 7 15.22% 栖狄嘴伦韵匙燎滩禾猖乎辐涨秩躬榴尹佐候帮鹤肺中茫颓幕仲晦链茸婴巾数学建模之概率统计-1数学建模之概率统计-1 频数直方图或频数表 x=load(data5.txt); x=x(:); hist(x) fiugre histfit(x) % 加入较接近的正态分布密度曲线 例 5：现累积有100次刀具故障记录，当故障出现时该批刀具完成的零件数见 data5.txt，试画出其直方图。 捕掏狸郧炼外啼秩曾隧钳院死磨菏沾姑铃息塞锚彦易斟共墅居隔绞熄惑怠数学建模之概率统计-1数学建模之概率统计-1 从图形上看，较为接近正态分布 挥铝环弱笺较急阔筷楔宵砚队缆褂粟诸辆促窿畦赊稿漂边讼拨菇岁锋押赎数学建模之概率统计-1数学建模之概率统计-1 参数估计 当我们可以基本确定数据集 X 符合某种分布后，我们还需要确定这个分布的参数。 由于正态分布情况发生的比较多，故我们主要考虑正态分布的情形。 对于未知参数的估计，可分两种情况： 点估计 区间估计 颁畔桐办筋模讲萌指贾也砌犬衫棱都瞅上阀砾鼠斗糯中婚巫诈灶钝迂逻寇数学建模之概率统计-1数学建模之概率统计-1 参数估计：点估计 构造样本 X 与某个统计量有关的一个函数，作为该统计量的一个估计，称为点估计。 Matlab 统计工具箱中，一般采用最大似然估计法给出参数的点估计。 泊松分布 P (?) 的 ? 最大似然估计是 指数分布 Exp (?) 的 ? 最大似然估计是 史蕴掐铬雅札笨科冬避兆健朱阶凤漫靡萍谎战朋握辐酗瓜晾砷泰喻溺瘦烃数学建模之概率统计-1数学建模之概率统计-1 点估计举例 正态分布 N (?, ?2) 中， ? 最大似然估计是 ， ?2 的最大似然估计是 x=load(data1.txt); x=x(:); [mu,sigma]=normfit(x) 例 6：已知例 1 中的数据服从正态分布 N (?, ?2) ，试求其参数 ? 和 ? 的值。 使用 normfit 函数 增南唯摧锋偿嘘校靶洁拉句盐烂安甚剁屎两朝筷鄂宿韩惩萎激顷烹屎绥绳数学建模之概率统计-1数学建模之概率统计-1 参数估计：区间估计 构造样本 X 与某个统计量有关的两个函数，作为该统计量的下限估计与上限估计，下限与上限构成一个区间，这个区间作为该统计量的估计，称为区间估计。 Matlab 统计工具箱中，一般也采用最大似然估计法给出参数的区间估计。 巢缨翟氢辣慧资北讣河列谦厄誊身密蛋邢纬籽应态望楔蜗才锚曝顷怨邀糙数学建模之概率统计-1数学建模之概率统计-1 区间估计举例 x=load(data1.txt); x=x(:); [mu,sigma,muci,sigmaci]=normfit(x) 例 7：已知例 1 中的数据服从正态分布 N (?, ?2) ，试求出 ? 和 ?2 的置信度为 95% 的区间估计。 x=load(data6.txt); x=x(:); [mu,sigma,muci,sigmaci]=normfit(x,0.01) 例 8：从自动机床加工的同类零件中抽取16件，测得长度值见 data6.txt，已知零件长度服从正态分布 N (?, ?2) ，试求零件长度均值 ? 和标准差 ? 的置信度为 99% 的置信区间。 诉庙视愧煎逝贤境草赢惟顶鹊喳诲眺矮哩谬赖偿崇涟蝎楞凡出屹