第7章 概率和数理统计.pptVIP

第7章 概率和数理统计 概率和数理统计是大学数学的重要内容，无论是在科学研究还是在工程实际中都有着非常广泛的应用。在MATLAB中，提供了专门的统计工具箱Staticstics，该工具箱有几百个专用于求解概率和数理统计问题的函数。本章将详细的介绍随机数的产生，随机变量的概率密度函数和数字特征，以及假设检验、方差分析和统计绘图等。 7.1 随机数的产生 随机数的产生是概率统计的基础，概率论和数理统计就是对各种样本数据进行分析。在MATLAB中，各种样本数据可以用一些经典的随机分布数来表示。下面对常用的二项分布、均匀分布、指数分布、、正态分布等随机数据进行详细的介绍。 7.1.1 二项分布随机数据的产生 在MATLAB中，使用函数binornd( )产生二项分布的随机数据。该函数的调用方式如下： R=binornd(N, P)：在该函数中N和P为二项分布的两个参数，返回服从参数为N和P的二项分布随机数。 R=binornd(N, P, M)：在该函数中参数M指定随机数的个数，与返回结果R同维数。 7.1.2 泊松分布 在MATLAB中，使用函数poissrnd( )产生泊松分布的随机数据。该函数的调用方式如下： R=poissrnd(LAMBDA)：在该函数中LAMBDA为泊松分布的参数，返回服从参数为LAMBDA的泊松分布随机数，其中R和LAMBDA维数相同。 R=poissrnd(LAMBDA, M, N)：在该函数中LAMBDA为泊松分布的参数，返回服从参数为LAMBDA的泊松分布随机数矩阵，矩阵的大小为。 7.1.3 指数分布随机数据的产生 在MATLAB中，使用函数exprnd( )生成具有指数分布的随机数据。其调用格式如下： R=exprnd(MU)：该函数返回一个以MU为参数的指数分布的随机数，其中R和MU同维数。 R=exprnd(MU, M, N)：该函数返回一个以MU为参数的指数分布的随机数矩阵，该矩阵的大小为。 7.1.4 均匀分布随机数据的产生 1．连续型均匀分布 在MATLAB中，使用函数unifrnd( )生成连续型均匀分布的随机数据。该函数的调用方式如下： R=unifrnd(A, B)：返回区间[A, B]上的连续型均匀分布； R=unifrnd(A, B, M, N)：返回区间[A, B]上的连续型均匀分布矩阵； 2．离散型均匀分布 在MATLAB中，使用函数unidrnd( )生成离散型均匀分布的随机数据。该函数的调用方式如下： R=unidrnd(N)：返回一个离散型均匀分布，R和N同维数； R=unidrnd(N, MM, NN)：返回一个离散型均匀分布矩阵，矩阵的大小为。 7.1.5 正态分布随机数据的产生 在MATLAB中，采用函数normrnd( )生成参数为MU和SIGMA的正态分布随机数据。该函数的调用方式如下： R=normrnd(MU, SIGMA)：该函数返回均值为MU，标准差为SIGMA的正态分布随机数据，其中R可以为向量，也可以为矩阵。 R=normrnd(MU, SIGMA, M)：该函数中参数M指定随机数的个数，与返回值R维数相同。 R=normrnd(MU, SIGMA, M, N)：该函数返回一个的矩阵。 7.1.6 其他常见分布随机数据的产生 对于其他常见分布的随机数据的产生，其函数调用方式与上面相同。表7.1列出了常用的随机数据产生函数。对于这些函数的详细使用情况用户可以通过MATLAB的帮助系统进行查看，或通过在命令行输入help和函数名查看某函数的功能和使用方法。 7.2 概率密度函数 在MATLAB中，计算某概率分布在指定点的概率密度的函数，都以代表特定概率分布的字母开头，以pdf（Probability Density Function）结尾。下面介绍常用的离散分布和连续分布的概率密度函数，以及三大抽样分布的概率密度函数。 7.2.1 常见离散分布的概率密度函数 1．二项分布 函数binopdf( )产生二项分布密度函数，调用格式为： Y=binopdf(X, N, P)，产生参数为N和P的二项分布。 2．泊松（Poisson）分布 函数poisspdf( )产生泊松分布的密度函数，调用格式为： Y=poisspdf(X, LAMBDA)，产生参数为LAMBDA的泊松分布。 3．几何分布 函数geopdf( )产生几何分布的密度函数，该函数的调用格式为：Y=geopdf(X, P)。 4．均匀分布（离散） 对于离散型均匀分布，采用函数unidpdf( )函数来产生概率密度函数，其调用格式为Y=unidpdf(X, n)，离散型均匀分布的参数为n，输出参数Y和输入参数X有相同的维数。 7.2.2 常见连续分布的概率密度