第六章MATLAB在概率统计中的应用.docVIP

第六章 MATLAB在概率统计中的应用 概率统计的应用十分广泛，这不仅与概率的简洁直观有着密切的联系，还与实际问题中的众多现象的随机性、不确定性有着密切的联系。概率统计几乎遍及所有科学技术领域以及工农业生产和国民经济的各个部门中。例如，使用概率的方法可以进行天气预报、地震预测、产品的抽样检查、计算产品使用的平均寿命、置信估计等等。有时也可通过概率统计的方法对实际问题进行仿真模拟。 随着概率统计方法的使用面的增加也出现的众多概率统计软件，例如SAS软件、R软件等等。早期的MATLAB中有关概率统计的具体程序并不多见，但随着MATLAB版本的提高，也陆续引进的众多概率统计程序。其中主要包括统计变量的数字特征、常用统计分布、常用随机数的产生、参数估计、区间估计、假设检验、方差分析和回归诊断及统计图的绘制等方面的各个程序。 6.1 统计量的数字特征 6.1.1 简单数学期望和平均值 Mean平均值函数 对于一些服从特殊分布的随机变量而言直接利用数组的点乘和求和函数来获得数学期望值。例如： X -2 0 2 Pk 0.4 0.3 0.3 数学期望值E(X)的值可以通过下述方法获得 x=[-2 0 2]; Pk=[0.4 0.3 0.3] sum(x.*Pk) 6.1.2 数据的比较 在给定的一组数据中，还常要对它们进行最大、最下、中值的查找或对它们排序等操作。在MATLAB中提供了这些函数。 Max 求随机变量的最大值元素 Nanmax 求随机变量的忽略nan的最大值运算 Min求随机变量的最小值元素 Median 求随机变量的中值 Sort 对随机变量由小到大排序 Sortrows 对随机矩阵按首行进行行排序 Range 求随机变量的值范围，即最大值与最小值的差。 6.1.3 方差和标准差 Var(x) 方差函数 Std(x) 标准差函数 6.1.4 偏斜度和峰度 Skewness 随机分布的偏斜度函数 Kurtosis 随机分布的峰度函数 6.1.5 协方差和相关系数 Cov Corrcoef 6.2 常用的统计分布量 6.2.1 期望和方差（书292） 6.2.3 概率密度函数 Y=pdf(name,X,A,B,C) 6.2.4 概率值函数 6.2.5 随机生成函数 6.3 参数估计 利用样本对总体进行统计推断，主要有两大类，一类是参数估计，另一类是检验函数估计。估计的问题是多种多样的，如总体参数的估计、分布函数和密度函数的估计等。估计的方法也很多，如最大似然方法，矩估计方法、最小二乘法等等。 例如：假设某种油漆的9个样品，其干燥时间分别为6.0,5.7,5.8,6.5,7.0,6.3,5.6,6.1,5.0。设干燥时间总体服从正太分布，求的置信度为0.95的置信区间。 t=[6.0,5.7,5.8,6.5,7.0,6.3,5.6,6.1,5.0]; [mu,sigma,muci,sigmci]=normfit(t,0.05) 6.4 区间估计 6.5 假设检验 6.6 回归分析 在客观世界中普遍存在着变量之间的关系。变量之间的关系一般来说可分为确定性的与非确定性的两种。确定性关系是指变量之间的关系可以用函数关系来表达。另一种非确定性是指变量之间的关系不能够通过具体某一函数关系来表达，是随着环境或条件的改变而产生改变的一些变量之间的关系。例如：一个人的身高和体重之间的关系是因人而异的，或者说在一个人成长的不同阶段也有着不同的变化关系。上述这些变量因为有了一定的随机性所以很难去精确的确定出其具体的函数关系。我们通常将非确定性关系称之为相关关系。回归分析是研究相关关系的一种数学方法。使用这种方法可以由一个变量取得的值去估计另一个变量所取的值。 在MATLAB中，统计回归问题主要由函数polyfit实现。 例：为了研究某一化学反应过程中，温度X对产品Y的获得率，测得数据如下： X 100 110 120 130 140 150 160 170 180 190 Y 45 51 54 61 66 70 74 78 85 89 试做Y=a+bX型的线性回归； [a,b]=polyfit(X,Y,1) a = 0.4830 -2.7394 b = R: [2x2 double] df: 8 normr: 2.6878 T=polyconf(a,X,b) %获得拟合函数在特殊点处的值 Plot(X,Y,’k+’,X,T,’r’) %作图 如果要做一元多项式回归，则只需在polyfit(X,Y,1)中的数字1改为其它的数即可，数取何值则多项式的次数将取定改值。