随机变量X.ppt

* 分布(Chi square): ， n称自由度 定义： 服从标准正态分布的随机变量 其中 相互独立、 常用的概率分布 * n为自由度 t分布（Student分布） 其中，X,Y相互独立 定义： 常用的概率分布 * F分布： 称自由度 相互独立 定义： 常用的概率分布 * 记n次独立试验中成功的次数是随机变量X 二项分布（Binomial distribution） X~B (n, p) 背景问题：产品检验中的废品个数 常用的概率分布：离散分布 贝努利试验： 一次试验只有两种结果（成功和失败） 记成功的概率为p，q=1-p * 当二项分布的n??，np??（常数）时 泊松分布（Poisson distribution） X~Poiss(?), 背景问题： 服务系统在一定时间内接到的呼唤数(到达率) 常用的概率分布：离散分布 * MATLAB命令 分布 均匀分布 指数分布 正态分布 分布 t分布 F分布 二项分布 泊松分布 字符 unif exp norm chi2 t f bino poiss 功能 概率密度 分布函数 逆概率分布 均值与方差 随机数生成 字符 pdf cdf inv stat rnd y=normpdf(1.5,1,2) 正态分布(?=1, ?=2) 在x=1.5处的概率密度（标准正态分布的?, ? 可省略） y=normcdf([-1 0 1.5],0,2) 在 x= -1, 0, 1.5处分布函数值 [m,v]=fstat(3,5) 计算F(3,5)的期望和方差 x=tinv(0.3,10) 计算t(10)的0.3-分位数 * 二维正态分布 二维随机变量 联合分布密度函数 边际分布密度函数 协方差 相关系数 当r=0时X, Y不相关，r=1时正（线性）相关，r=?1时负（线性）相关。当X, Y相互独立时E(XY)=(EX)(EY)，可知X, Y不相关。 * 二维随机变量: MATLAB命令 cov(x,y) 计算协方差(矩阵) corrcoef(x,y) 计算相关系数(矩阵) 二维随机数生成/ 二维密度函数(例) mu = [1 -1], Sigma = [.9 .4; .4 .3], X = mvnrnd(mu,Sigma,10), p = mvnpdf(X,mu,Sigma) 二维数据处理 * 四. 用随机模拟计算数值积分 4.1 定积分的计算 4.2 重积分的计算 4.3 MATLAB实现 * 方法的直观解释——随机投石 y 1 0 1 x · 向单位正方形里随机投n块小石头 * * * * * * * 若有k块小石头落在1/4单位圆内，当n很大时 1/4单位圆的面积 （计算?的一种方法） 1）随机投点法 目的：计算1/4单位圆的面积 * 大数定律（贝努利定理） 随机变量(X,Y)在单位正方形内均匀分布 点(xi, yi)落在1/4单位圆内概率 y 1 0 1 x · 一般地 投点坐标(xi, yi), xi, yi是相互独立、(0,1)内均匀分布的随机变量（(0,1)随机数） 设k是n次独立重复试验中事件A发生的次数。p是事件A在每次试验中发生的概率，则对任意的正数?, 有 * 产生 n组(0,1)随机数 (xi,yi),其中 k 组满足 随机投点法 y 1 0 1 x · 随机投点法(续) * 大数定律（辛钦定理） 设随机变量 相互独立，服从同一个分布，且具有数学期望 则对任意的正数?有 2) 均值估计法 产生(0,1)随机数xi (i=1,2,…n), n很大 随机变量 X 的概率密度为 的期望为 * 用随机模拟方法计算任意区间上的积分 其中ui为(0,1)随机数 均值估计法 不要产生yi, 不用比较 限制； 没有 均值估计法 的优点 均值估计法(续) * 随机模拟法计算重积分 x y 1 0 1 g2(x) g1(x) 产生相互独立(0,1)随机数 xi,yi,,i =1, …n； 落在?内 m个点记作(xk,yk),k=1, …m 可用于任意的 f, ?, 且可推广至高维 结果的精度和收敛速度与维数无关 计算量大，精度低，结果具有随机性 * 一般区间重积分的计算 分别为[a, b]和[c, d] 区间上的均匀分布随机数，判断每个点是否落在Ω域内，将落在Ω域内的m个点记作 则 * MATLAB实现 随机数的产生：unifrnd(a,b,m,n) 产生m行n列[a,b]区间上的均匀分布随机数。当a=0, b=1时，可用 rand(m,n) 随机投点法计算?