中科院matlab课件第8章概率论与数理统计问题的求解幻灯片.pptVIP

例： a=[1;1;1;1;1;1]; f=inline([(a(1)*x(:,1).^3+a(2)).*sin(a(3)*x(:,2) ，... .*x(:,3))+(a(4)*x(:,3).^3+a(5)*x(:,3)+a(6))],a,x); X=randn(120,3); y=f(a,X)+sqrt(0.2)*randn(120,1); [ahat,r,j]=nlinfit(X,y,f,[0;2;3;2;1;2]); ahat ahat = 0.99166464884539 1.04776526972943 0.97668595800756 1.02022345889541 0.88639528713563 1.09317291667891 ci=nlparci(ahat,r,j); ci ％置信区间 ci = 0.89133624667624 1.09199305101455 0.86664749663205 1.22888304282680 0.83628948119418 1.11708243482094 0.98466523279168 1.05578168499914 0.73055684224143 1.04223373202984 0.99932407018303 1.18702176317478 errorbar(1:6,ahat,ci(:,1)-ahat,ci(:,2)-ahat) y1=f(ahat,X);plot([y y1]) ％绘制曲线 8.4 统计假设检验8.4.1 正态分布的均值假设检验 H为假设检验的结论，当H＝0时表示不拒绝H0假设，否则表示拒绝该假设。 s为接受假设的概率值， 为其均值的置信区间。 若未知正态分布的标准差时，可用此函数。 例：设某车间用一台包装机包装葡萄糖，包得的袋装糖重量是一个随机数，它服从正态分布。当机器正常时，其均值为0.5公斤，标准差为0.015。某日开工后检验包装机是否正常，随机地抽取它所包装的的糖9袋，称得净重为（公斤）0.497, 0.506, 0.518, 0.524, 0.498, 0.511, 0.52, 0.515, 0.512,问机器是否正常？ 解： （分析）总体均值、标准差已知，则可设样本的标准差为0.015，于是 问题就化为根据样本值来判断 还是 。为此提出假设： x=[0.497, 0.506, 0.518, 0.524, 0.498, 0.511, 0.52, 0.515, 0.512]; [H,p,ci]=ztest(x,0.5,0.015,0.05) H = 1 p = 0.0248 %样本观察值的概率 ci = 0.5014 0.5210 %置信区间，均值0.5在此区间之外 结果H＝1，说明在0.05的水平下，拒绝原假设，即认为这天包装机工作不正常。 例：某种电子元件的寿命X（以小时计）服从正态分布，均值、方差均未知。现测得16只元件的寿命如下： 159 280 101 212 224 379 179 264 222 262 168 250 149 260 485 170 , 问是否有理由认为元件的平均寿命大于225（小时）： 解：按题意需做如下假设： 取 x=[159 280 101 212 224 379 179 264 222 262 168 250 149 260 485 170]; [H,p,ci]=ttest(x,225,0.05) H = 0 p = 0.6677 ci = 185.3622 285.1378 %均值225在该置信区间内 结果表明，H＝0，即在显著水平为0.05的情况下，不能拒绝原假设。即认为元件的平均寿命不大于225小时。 8.4.2 正态分布假设检验 由随机样本判定分布是否为正态分布，可用下面两个假设算法的函数。 s为接受假设的概率值，s越接近于0，则可以拒绝是正态分布的原假设. 例： X=[216,203,197,208,206,209,206,208,202,203,206,213,218,207,20