关于Matlab命令与程序的总结.doc

常用的matlab命令 matlab?命令基本统计量:均值:mean(x)????中位数median(x)?????????标准差std(x)方差:var(x)?????偏度skewness(x)?????????峰度kurtosis(x)常见的概率分布函数正态分布:norm???指数分布:exp????泊松分布:poissbeta分布:beta???威布尔分布:weib?kafang分布:chi2t分布:t?????????f分布:F工具箱对每一种分布都提供五类函数，其命令字符为：概率密度:pdf概率分布:cdf逆概率分布:inv均值与方差:stat随机数生成:rnd参数估计：fit当需要一种分布的某一类函数时，将以上所列的分布命令字符与函数命令字符接起来并输入自变量（可以使标量，数组或矩阵）和参数即可。对均值为mu，标准差为sigma的正态分布，举例：1.概率密度函数p=normpdf(x,mu,sigma)(mu=0,sigma=1是可以省略)2.概率分布p=normcdf(x,mu,sigma)可用于计算概率3.逆概率分布x=norminv(a,mu,sigma)即可求出x，使得P{Xx}=a可用于求分位数4.均值和方差[m,v]=normstat(mu,sigma)5.随机数生成M=normrnd(mu,sigma,m,n)即可生成m*n阶的正态分布随机数矩阵频数直方图1.给出数组data的频数表的命令为：[N,X]=hist(data,k)将数据分为k个小区间（缺省为10），返回数组data落在每一个区间的频数N和每一个小区间的中点x2.描速数组data的频数直方图命令为hist(data,k)正态总体的参数估计点估计和区间估计同时可由命令[muhat,sigmahat,muci,sigmaci]=normfit(x,alpha)在显著性水平alpha（缺省0.05）下估计数据x的参数返回值muhat是x的均值的点估计值，sigmahat是x标准差的点估计值muci是x的均值的区间估计值sigmaci是x标准差的区间估计值类似的还有expfit(x,alpha),poissfit(x,alpha),weibfit(x,alpha)假设检验1.总体方差sigma^2已知时，总体均值用z检验[h,sig,ci]=ztest(x,m,sigma,alpha,tail)??????????用于检验：tail=0???x均值等于m????=1?????????大于????=-1????????小于tail缺省为0返回h为一个布尔值，h=1表示可以拒绝假设，h=0表示不可以拒绝假设sig为假设成立的概率，ci为均值的1-alpha置信区间2.总体方差未知，用t检验[h,sig,ci]=ttest(x,m,sigma,alpha,tail)tail同上3.两总体均值的假设检验用t检验[h,sig,ci]=ttest2(x,y,alpha,tail)检验数据x,y的关于均值的某一个假设是否成立??????????用于检验：tail=0???x均值等于y的均值????=1?????????大于????=-1????????小于余同上，ci为x余y的均值差的1-alpha置信区间4.非参数检验：总体分布的检验1).h=normplot(x)显示数据矩阵x的正态概率图，若数据来自正态分布，则图形显示出来为直线性形态否则为曲线2).h=weibplot(x)显示数据的weibull概率图，是，则为直线，否则为曲线***************************************************产生随机数的计算机命令1.rand(m,n)?产生[0,1]均匀分布?m*n阶2.unifrnd(a,b,m,n)??产生[a,b]均匀分布的m*n阶数3.exprnd(λ,m,n)?产生指数分布4.poissrnd(λ,m,n)产生泊松分布5.normrnd(μ,σ,m,m)产生正态分布****************************************************?????????????????????????????些命令都是从bbs上找到的，说不定就在这里找到的，大家可以看看下表即为MATLAB常用的基本数学函数及三角函数：?????????????????????????????????????=========================================??????????????????????????