概率统计上机实验题.docVIP

概率论上机实验报告 班级：应化31 姓名：沈子超 学号：2130904016 实验内容：用蒙特卡洛方法估计积分值 1用蒙特卡洛方法估计积分 ，和的值，并将估计值与真值进行比较。 2用蒙特卡洛方法估计积分 和的值，并对误差进行估计。 要求：（1）针对要估计的积分选择适当的概率分布设计蒙特卡洛方法； （2）利用计算机产生所选分布的随机数以估计积分值； （3）进行重复试验，通过计算样本均值以评价估计的无偏性；通过计算均方误差（针对第1类题）或样本方差（针对第2类题）以评价估计结果的精度。 目的：（1）能通过 MATLAB 或其他数学软件了解随机变量的概率密度、分布函数及其期望、方差、协方差等2） 熟练使用 MATLAB 对样本进行基本统计，从而获取数据的基本信息3） 能用 MATLAB 熟练进行样本的一元回归分析。s=0;m=0;f=0;r=0;n=50; h(1:10)=0; for j=1:10 for i=1:n a=unifrnd(0,pi/2,n,1); x=sort(a); y=pi/2*mean(x.*sin(x)); s=s+y; end b=s./n; fprintf(b=%.4f\n,b); h(j)=b; 结果显示f=0.000221,表明估计结果比较接近理论值。 s=0; 将容量增到到100时，结果如下： m=m+b; end p=m./10; z=1; for j=1:10 r=(h(j)-z).^2;f=f+r; end f=f./10; fprintf(f=%.6f\n,f) 表示容量越大，f越小，估计结果与理论值更接近。 （2） s=0;m=0;f=0;n=50;r=0; h(1:10)=0; for j=1:10 for i=1:n a=normrnd(0,1,1,n) x=sort(a); z=(sqrt(2.*pi)).*exp(-x(i).^2./2); s=s+z; f值较小，估计结果与理论值接近。 end b=(s./n)./2; fprintf(b=%.4f\n,b); h(j)=b; s=0; m=m+b; end p=m./10; z=sqrt(pi)./2; for j=1:10 r=(h(j)-z).^2; f=f+r; end f=f./10; fprintf(f=%.6f\n,f) （3） m=10000;sum=0;n=50;D=0; X=unifrnd(-1,1,n,m);Y=unifrnd(-1,1,n,m);for i=1:n a=0; for j=1:m if(X(i,j)^2+Y(i,j)^2=1) Z(i,j)=exp(X(i,j)^2+Y(i,j)^2); a=a+Z(i,j); end end S(i)=a/m;sum=sum+S(i); End I=sum/n*4 for i=1:n D=D+(S(i)*4-pi*(exp(1)-1))^2; End d=D/n; d值较小，估计结果与理论值接近。 fprintf(d=%.4f\n,d); 2.(1) s=0;m=0;f=0;r=0;n=50; h(1:10)=0; for j=1:10 for i=1:n a=unifrnd(0,1,n,1); x=sort(a); y=exp(x(i).^2); s=s+y; end b=s./n; fprintf(b=%.4f\n,b); h(j)=b; s=0; m=m+b; end p=m./10; for j=1:10 r=(h(j)-p).^2; f=f+r; end f=f./9; fprintf(f=%.6f\n,f) （2） n=1000;m=100;sum=0;S=0;I=0;x=unifrnd(-2,2,m,n);y=unifrnd(-2,2,m,n); for j=1:m s=0; for i=1:n if x(j,i)^2+y(j,i)^2=4 s=s+16/sqrt(1+x(j,i)