基于MATLAB的概率统计数值试验.ppt

*/60 例 正态分布参数μ和σ对变量x取值规律的约束——3σ准则。 解： clear,clf %（标准）正态分布密度曲线下的面积 X=linspace(-5,5,100); Y=normpdf(X,0,1); yy=normpdf([-3,-2,-1,0,1,2,3],0,1); plot(X,Y,k-,[0,0],[0,yy(4)],c-.) hold on plot([-2,-2],[0,yy(2)],m:,[2,2],[0,yy(6)],m:,[-2,-0.5],[yy(6),yy(6)],m:,[0.5,2],[yy(6),yy(6)],m:) plot([-1,-1],[0,yy(3)],g:,[1,1],[0,yy(5)],g:,[-1,-0.5],[yy(5), yy(5)],g:,[0.5,1],[yy(5),yy(5)],g:) plot([-3,-3],[0,yy(1)],b:,[3,3],[0,yy(7)],b:,[-3,-0.5],[yy(7), yy(7)],b:,[0.5,3],[yy(7),yy(7)],b:) */60 hold off text(-0.5,yy(6)+0.005,\fontsize{14}95.44%) text(-0.5,yy(5)+0.005,\fontsize{14}68.26%) text(-0.5,yy(7)+0.005,\fontsize{14}99.74%) text(-3.2,-0.03,\fontsize{10}μ-3σ) text(-2.2,-0.03,\fontsize{10}μ-2σ) text(-1.2,-0.03,\fontsize{10}μ-σ) text(-0.05,-0.03,\fontsize{10}μ) text(0.8,-0.03,\fontsize{10}μ+σ) text(1.8,-0.03,\fontsize{10}μ+2σ) text(2.8,-0.03,\fontsize{10}μ+3σ) 5. 连续型随机变量分布实验 */60 */60 6. 随机变量的数学期望和方差 对于任意的分布，可用Matlab中的函数和运算编程实现 对于给定的分布，只需给出分布的参数，即可调用stat族函数，得出数学期望和方差，调用格式 [E,D]=分布+stat(参数) 例：求二项分布参数n=100，p=0.2的数学期望和方差： 解：n=100; p=0.2; [E,D]=binostat(n,p); 结果显示：E= 20 D= 16 */60 例 绘制正态分布的密度函数、分布函数曲线，并求均值与方差 解： clear mu=2.5;sigma=0.6; x=(mu-4*sigma):0.005:(mu+4*sigma); y=normpdf(x,mu,sigma); f=normcdf(x,mu,sigma); plot(x,y,-g,x,f,:b) [M,V]=normstat(mu,sigma) legend(pdf,cdf,-1) 6. 随机变量的数学期望和方差 */60 M=2.5000 V=0.3600 从图中可以看出，正态密度曲线是关于x＝μ对称的钟形曲线(两侧在μ±σ处各有一个拐点)，正态累积分布曲线当x＝μ时F(x)＝0.5。 */60 7. 逆累积分布函数 逆累积分布函数就是返回给定概率条件下的自变量的临界值，实际上是分布函数的逆函数。 icdf(Inverse Cumulative Distribution Function) 即：在分布函数F(x)=p中已知p求其相对应的x的值 调用：在分布函数名后加inv 如:X=norminv(p,mu,sgm) 也有2)X=icdf(‘name’,p,A1,A2,A3),其中name为相应的函数名，如‘normal’;p为给定的概率值； A1,A2,A3为相应的参数 */60 例、计算标准正态分布N(0,1)概率值0.1，0.3， 0.5，0.7，0.9，所对应的x的值 命令： y=0.1:0.2:0.9； x=norminv(y,0,1) 结果： x=-1.2816 -0.5244 0 0.5244 1.2816 检验：y1=normcdf(x,0,1); y1=0.1000 0.3000 0.5000 0.7000 0.9000 7. 逆累积分布函数 */60 例、计算二项分布b(10,0.5)概率值0.