概率论及数理统计 第二讲 随机数及产生数据及统计描述.pptVIP

3.表示分布形状的量—偏度和峰度 分布偏度： 其估计量为： 其中 命令：y=skewness(x) 若x为矢量，返回样本偏度，若x为矩阵，结果为行向量，每个元素对应x中列元素的样本偏度。 正态分布偏度为0，偏度反映分布的对称性，g1 0称为右偏态，此时数据位于均值右边的比位于左边的多；g1 0称为左偏态，情况相反；而g1接近0则可认为分布是对称的. 分布峰度 其估计量为： 其中 命令：y=kurtosis(x) 若x为矢量，返回x的样本峰度，若x为矩阵，结果为行向量，每个元素对应x中列元素的样本峰度。 峰度是分布形状的另一种度量，正态分布的峰度为3，若g2比3大很多，表示分布有沉重的尾巴，说明样本中含有较多远离均值的数据，因而峰度可用作衡量偏离正态分布的尺度之一 * * 概率论与数理统计实验 实验2 随机数的产生 数据的统计描述 实验目的 实验内容 学习随机数的产生方法 直观了解统计描述的基本内容。 2、统计的基本概念。 4、计算实例。 3、计算统计描述的命令。 1、随机数的产生 在Matlab软件中，可以直接产生满足各种常用分布的随机数，命令如下： 一、随机数的产生 10常用分布随机数的产生 定义：设随机变量X~F(x),则称随机变量X的抽样序列{Xi}为分布F(x)的随机数 连续均匀分布的随机数 unifrnd 离散均匀分布的随机数 unidrnd 学生氏t分布的随机数 trnd 泊松分布的随机数 poissrnd 正态分布的随机数 normrnd 超几何分布的随机数 hygernd 几何分布的随机数 geornd 伽玛分布的随机数 gamrnd f分布的随机数 frnd 指数分布的随机数 exprnd 卡方分布的随机数 chi2rnd 二项分布的随机数 binornd 对应分布的随机数 函数名 调用格式： 1、y=random(‘name’, A1, A2, A3, m, n) 其中：’name’为相应分布的名称，A1, A2, A3为分布 参数，m为产生随机数的行数，n为列数。 2、直接调用。 如： y=binornd(n, p, 1,10) 产生参数位n，p的1行10 列的二项分布随机数 当只知道一个随机变量取值在（a，b）内，但不知道（也没理由假设）它在何处取值的概率大，在何处取值的概率小，就只好用U（a，b）来模拟它。 1、均匀分布U(a,b) 1)unifrnd (a,b)产生一个[a,b] 均匀分布的随机数 2)unifrnd (a,b,m, n)产生m行n列的均匀分布随机数矩阵 例1、产生U(2,8)上的一个随机数，10个随机数， 2行5列的随机数。 命令：(1) y1=unifrnd(2,8) (2) y2=unifrnd(2,8,1,10) (3) y3=unifrnd(2,8,2,5) y1=7.7008 y2=3.3868 5.6411 4.9159 7.3478 6.5726 4.7388 2.1110 6.9284 4.6682 5.6926 y3=[6.7516 6.4292 4.4342 7.5014 7.3619； 7.5309 3.0576 7.6128 4.4616 2.3473] 2、正态分布随机数 例2、产生N(10,4)上的一个随机数，10个随机数， 2行5列的随机数. 命令 (1) y1=normrnd(10,2) (2) y2=normrnd(10,2,1,10) (3) y3=normrnd(10,2,2,5) 1)R = normrnd(μ, σ,)：产生一个正态分布随机数 2)R = normrnd(μ, σ,m,n)产生m行n列的正态分布随机数 当研究对象视为大量相互独立的随机变量之和，且其中每一种变量对总和的影响都很小时，可以认为该对象服从正态分布。 机械加工得到的零件尺寸的偏差、射击命中点与目标的偏差、各种测量误差、人的身高、体重等，都可近似看成服从正态分布。 3、指数分布随机数 例3、产生E(0.1)上的一个随机数，20个随机数， 2行6列的随机数。 命令 (1) y1=exprnd(0.1) (2) y2=exprnd(0.1,1,20) (3) y3=exprnd(0.1,2,6) 1) R = exprnd(λ)：产生一个指数分布随机数 2)R = exprnd(λ,m,n)产生m行n列的指数分布随机数 结果 (1) y1=0.0051 (2) y2=[0.1465