Matlab笔记数值计算—概率篇017.docx

17. 数值计算—概率篇一、计算组合数、排列数——factorial(n)或 prod(1:n)——nchoosek(n,k) ——factorial(n)/factorial(n-k)二、生成随机数1. rand(m,n)——生成m×n的服从[0,1]上均匀分布的随机数；用a + (b-a).*rand(m,n)生成m×n的服从[a,b]上均匀分布的随机数。2. 二项分布与正态分布随机数binornd(N,P,m,n)——生成m×n的服从二项分布B(N,P)的随机数；normrnd(MU,SIGMA,m,n)——生成m×n的服从正态分布N(MU,SIGMA2)的随机数；3. 通用格式：分布缩写+rnd(分布参数, m,n)或random(‘分布名或缩写’, 分布参数, m,n)可以用来生成m×n该分布的随机数。各种分布名见下图：表1 一维随机变量概率分布名称表分布缩写、分布名称函数说明beta 或 Beta Beta分布bino 或 Binomial 二项分布chi2 或 Chisquare 卡方分布exp 或 Exponential 指数分布f 或 F F分布gam 或 Gamma GAMMA分布geo 或 Geometric 几何分布hyge 或 Hypergeometric 超几何分布logn 或 Lognormal 对数正态分布nbin 或 Negative Binomial 负二项式分布ncf 或 Noncentral F 非中心F分布nct 或 Noncentral t 非中心t分布ncx2 或 Noncentral Chi-square非中心卡方分布norm 或 Normal 正态分布poiss 或 Poisson 泊松分布rayl 或 Rayleigh 瑞利分布t 或 T T分布unif 或 Uniform 均匀分布unid 或 Discrete Uniform 离散均匀分布weib 或 Weibull 威布尔分布4. 使用randsample和randsrc函数生成指定离散分布随机数X=randsample(N, k, replace, w)N相当于[1:N], 也可以是具有确定值的向量；k表示生成k个随机数；replace=’true’表示可重复，或’false’表示不可重复（默认）；w是权重向量。X= randsrc(m,n,[x; p])生成m×n的随机矩阵，服从取值为向量x, 对应概率为向量p的离散分布。例1 设离散型随机变量X服从如下分布：X-2-1012P0.050.20.50.20.05生成服从3×5的该分布的随机数。代码：xvalue = [-2 -1 0 1 2];xp = [0.05 0.2 0.5 0.2 0.05];% 调用randsample函数生成100个服从指定离散分布的随机数x = randsample(xvalue, 15, true, xp);reshape(x,[3 5])% 调用randsrc函数生成10*10的服从指定离散分布的随机数矩阵y = randsrc(3,5,[xvalue;xp])运行结果：ans = 0 0 1 0 00 0 0 -1 -11 1 0 0 1y = -1 -1 1 1 -1-1 0 0 2 0-1 0 -1 0 05. 已知概率密度函数，生成服从该分布的随机数例2 设随机变量X的概率密度函数为（抛物线分布）：调用crnd函数（来自《MATLAB统计分析与应用 40个案例分析》作者：谢中华），生成3×5个服从该分布的随机数。代码：pdffun = 6*x*(1-x); % 密度函数表达式x = crnd(pdffun,[0 1],3,5)运行结果：x = 0.3160 0.6866 0.2724 0.2816 0.12680.2681 0.8439 0.1948 0.7999 0.53830.7377 0.2040 0.4932 0.1948 0.69096. 生成多元分布的随机数mrnd(N, P, m)——多项分布，P为概率向量；mvnrnd(mu, sigma, m)——多元正态分布，mu, sigma为n元向量；mvtrnd(C, df, m)——多元t分布；wishrnd(sigma,df,m)——Wishart分布；iwishrnd(sigma,df, m)——逆Wishart分布；例3利用mvnrnd函数生成3组的二元正态分布随机数，其中分布的参数为代码：mu = [10 20];sigma = [1 3; 3 16]; xy = mvnrnd(mu, sigma, 3)运行结果：xy =