随机过程实验.docxVIP

实验名称：随机变量的仿真与实验 实验内容：用MATLAB分别产生服从（二项分布、泊松分布、正态分布、均匀分布、指数分布、瑞利分布）的随机变量，并分析他们的： 1、分布函数或概率密度函数 2、均值、方差 1、服从二项分布的随机变量理论分析如果随机变量X的分布律为0p1, q=1-p, k=0,1,2，…n,则称X服从参数为n，p的二项分布，记为X~B(n，p)。其期望和方差分别为E(X) = np，D(X)=npq。随机变量X~B(20，0.4)，可以通过matlab计算其期望和方差，绘制分布律和分布函数。程序如下：n = 20;p = 0.4;[E,D] = binostat(n ,p); %计算期望和方差 f = binopdf(1:21, n, p); %计算分布律F = binocdf(1:21, n, p); %计算分布函数 subplot(2,2,1); stem(f); %绘制分布律title(二项分布理论分布律 n=20 p=0.4);xlabel(x);ylabel(p);subplot(2,2,3); stem(F); %绘制分布函数title(二项分布理论分布函数 n=20 p=0.4);xlabel(x);ylabel(f);计算得结果E(X) = 8，D(X) = 4.800，分布律和分布函数如图1。 图1 X~B(20，0.4)的分布律和分布函数样本分析利用matlab中binornd函数产生一个X~B(20，0.4)的样本，样本点总数为20000。计算其均值和方差，计算分布律和分布函数，并与理论结果进行比较。程序如下:n = 20; p = 0.4;R = binornd(n,p,1,20000); e = mean(R);%期望d = var(R);%方差 f = zeros (1,21);F = zeros (1,21); for j = 1:21 %计算统计分布律 for i=1:20000 if j == R(i) f(1,j) = f(1,j) + 1; end end f(1,j) = f(1,j) / 20000; endsubplot(2,2,1);stem(f);title(二项分布样本分布律 n=20 p=0.4);xlabel(x);ylabel(p); for j = 1:21%计算分布函数 for i = 1:j F(1, j) = F(1, j) + f(1,i); endendsubplot(2,2,3);stem(F);title(二项分布样本分布函数 n=20 p=0.4);xlabel(x);ylabel(f);计算结果为e=8.0218，d=4.7760，与理论值(E(X)=8，D(X)=4.8)基本接近。分布律和分布函数如图2。与理论值接近。图2 X~B(20，0.4) 样本分布律和分布函数2、服从泊松分布的随机变量理论分析如果随机变量X的分布律为λ0, k=0,1,2，…n,则称X服从参数为λ的泊松分布，记为X~P(λ)。其期望和方差分别为E(X) =λ，D(X)= λ。观察参数λ对其分布律和分布函数的影响，令lamuda1=10、lamuda2=20、lamuda3=40可以通过matlab计算其期望和方差，绘制分布律和分布函数。程序如下：lamuda1 = 10;lamuda2 = 20;lamuda3 = 40;[E,D] = poisstat(lamuda1);%计算期望和方差f1 = poisspdf(0:1:100, lamuda1); %计算分布律F1 = poisscdf(0:1:100, lamuda1); %计算分布函数f2 = poisspdf(0:1:100, lamuda2); %计算分布律F2 = poisscdf(0:1:100, lamuda2); %计算分布函数f3 = poisspdf(0:1:100, lamuda3); %计算分布律F3 = poisscdf(0:1:100, lamuda3); %计算分布函数 %绘制分布律subplot(2,2,1); plot(0:1:100,f1,0:1:100,f2, --,0:1:100, f3, :); title(泊松分布理论分布律);xlabel(x);ylabel(f);%绘制分布函数subplot(2,2,3); plot(0:1:100,F1,0:1:100,F2, --,0:1:100, F3, :); title(泊松分布理论分布函数);xlabel(x);ylabel(F);计算得E=10，D=10。分布律和分布函数如图3。图3 泊松分布的分布律和分布函数样本分析利用matlab中poissrnd函数分别产生lamuda1=10,lam