Matlab在数理统计中的运用讲稿.doc

Matlab在数理统计中的运用 摘要：概率论与数理统计是现代数学的重要分支，近年来随着计算机的普及，概率论在经济，管理，金融，保险，生物，医学等方面都发挥着越来越大的作用。使得概率统计成为今天各类各专业大学生最重要的数学必修课之一。然而,传统的概率统计教学过于偏重理论的阐述、公式的推导、繁琐的初等运算;同时,缺乏与计算机的结合,给学生的学习带来很多困难。本文介绍概率统计中的主要问题在Matlab中的实现,让我们从繁琐的计算中解放出来,把更多的时间和精力用于基本概念和基本理论的思考和方法的创新,从而提高教师的教学效率和学生的学习效率。 关键词：区间估计，matlab，概率统计 一、常用概率密度的计算 Matlab中计算某种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,例如:unid pdf(X, N):计算1到N上的离散均匀分布在X每一点处的概率密度;poisspdf(X, Lambda):计算参数为Lambda的泊松分布在X每一点处的概率密度;exppdf(X, mu):计算参数为mu的指数分布在X每一点处的概率密度;normpdf(X, mu, sigma):计算参数为mu, sigma的正态分布在X每一点处的概率密度。其他如连续均匀分布、二项分布、超几何分布等也都有相应的计算概率密度的函数。 　　除计算概率密度的函数外,Matlab中还有计算累积概率密度、逆概率分布函数及产生服从某分布的随机数的函数,分别以cdf,inv和rnd结尾。 下面我们来用一个具体的例子说明一下： 例1：计算正态分布N（0，1）的随机变量X在点0.6578的密度函数值。 解： pdf(norm,0.6578,0,1) ans =0.3213 例2：自由度为8的卡方分布，在点2.18处的密度函数值。 解： pdf(chi2,2.18,8) ans = 0.0363 二、随机变量数字特征的计算 　(一)数学期望与方差 　　对离散型随机变量,可利用Matlab矩阵运算计算出其数学期望和方差;而对于连续型随机变量,则可以利用Matlab符号运行计算。对常见分布,Matlab还有专用的函数计算其期望与方差,如binostat, expstat, normstat, poisstat可用于计算二项分布、指数分布、正态分布和泊松的期望和方差。另外,Matlab中提供了计算方差和标准差的函数var与std。 例3求下列样本的样本方差和样本标准差，方差和标准差 14.70 15.21 14.90 15.32 15.32 解： X=[14.7 15.21 14.9 14.91 15.32 15.32]; DX=var(X,1) 得到DX = 0.0559 X=[14.7 15.21 14.9 14.91 15.32 15.32]; sigma=std(X,1) 得到sigma = 0.2364 X=[14.7 15.21 14.9 14.91 15.32 15.32]; DX1=var(X) 得到DX1 = 0.0671 X=[14.7 15.21 14.9 14.91 15.32 15.32]; sigma1=std(X) 得到sigma1 = 0.2590 　(二)协方差与协方差矩阵 　　Matlab中,函数cov(X)用于计算随机变量的协方差或协方差矩阵。 例4：已知矩阵 A=[1 2 3;4 0 -1;1 7 3]，求它的协方差矩阵 解： A=[1 2 3;4 0 -1;1 7 3] A = 1 2 3 4 0 -1 1 7 3 C1=cov(A) （%求矩阵A的协方差矩阵） C1 = 3.0000 -4.5000 -4.0000 -4.5000 13.0000 6.0000 -4.0000 6.0000 5.3333 C2=var(A(:,1)) %求A的第1列向量的方差 C2 = 3 三、样本统计量及其分布 　(一)样本统计量及经验分布函数 Matlab中,函数[h, stats]=cdfplot(X)返回样本经验分布函数图像和样本数据的几个重要统计量,包括最小值、最大值、均值、中值和标准差。 下面我们来看一个例题 例5 用matlab软件绘出Γ分布的函数图像 x = gaminv((0.005:0.01:0.995),100,10); y = gampdf(x,100,10); y1 = normpdf(x,1000,100); plot(x,y,-