Matlab中statistics工具箱使用 .pptVIP

Matlab中statistics工具箱的使用 杨瑾组 一.随机数的产生 随机数的产生是概率统计的基础，概率统计就是对各种样本数据进行分析，现在介绍一些经典的随机分布： 既然是随机的，那么同一句函数两次实行的结果肯定不一致 1.均匀分布 以均匀分布为例，其余只给出函数 函数unifrnd生成连续型的 R=unifrnd(a,b)返回区间[a,b]上的连续型均匀分布 R=unifrnd(a,b,m,n)返回一个m*n的矩阵 函数unidrnd生成离散型的 R=unidrnd(n)返回一个离散型分布，R与N同维数 R=unidrnd(n,mm,nn)返回一个mm*nn的矩阵 例 2.指数分布 r=exprnd(mu) r=exprnd(mu,m,n) 3.二项分布X~b(n,p) r=binornd(n,p,m) 4.正态分布 r=normrnd(mu,sigma,m,n) 其余可查表 总结： 1.函数名前边是各自的英文名或缩写; 2.后边依作用而定: 随机数发生函数均为rnd, 随机变量的数字特征（均值m,方差v)为stat, 概率分布的密度函数为pdf, 概率分布函数为cdf. 二.统计量的数字特征 1.平均值和中位数 算术平均值，即样本均值 mean(X),返回X的平均值，当X为向量时，返回X中各元素的算术平均值，当X为矩阵时，返回X中各列元素的算术平均值构成的向量 例： 几何平均值，其样本数据非负，主要用于对数正态分布 geomean(X) 调和平均值，其样本数据非零，主要用于严重偏斜分布 harmmean(X) 中位数，指样本中大小居于中间的那个数. median(X) 排序后，如果样品个数为奇数2n+1，则为第n个数，如果有2n+2个数，则为第n和第n+1个数的平均值 例： 2.数据比较 ( 1).排序 sort(X) sort(X,DIM) [Y,I]=sort(X),其中Y为排序的结果，I为Y中对应元素在A中的位置 ( 2).按行排序 sortrows(X) (3).求最大值与最小值之差 Y=range(X) 3.期望和方差 样本的期望值与算术平均值定义一样 mean(X) 样本的方差 var(X) 样本的标准差 std(X) 常见分布的期望和方差在前边总结中介绍过 协方差与相关系数 对于二维随机变量(X,Y),我们要描述X，Y之间的相互关系 cov(X) cov(X,Y) corrcoef(X) 三.统计作图 1.正整数的频率表 tabulate(A) A=[1 5 2 3 3 6 7 7 3] tabulate(A) 得到的三列的第一列为包含X的值,第二列为这些值的个数,第三列为这些值的频率 2.绘制正态分布概率图形 normplot(X) 例 3.样本的概率图形 capaplot(data,specs),data为所样本数据,specs指定范围,返回值表示在该范围内的概率 另外还有一些作图的函数,不一一列举 四.参数估计 例:正态分布的参数估计 有3组(每组40个元素)正态随机数据,其均值为25,均方差为3,求95%的置信区间和参数估计值 x=normrnd(25,3,40,3) [mu,sigma,muci,sigmaci]=normfit(x) 通用的格式:normfit(x,alpha)默认情况下alpha=0.05 mle函数 此函数较为灵活 [phat,pci]=mle(dist,data,alpha,p1) 其中dist为分布函数名 例：使用mle函数进行参数估计 x=binornd(20,0.75) [p,pci]=mle(bino,x,0.05,20) 五.假设检验 已知单个正态分布的均值的假设检验（U检验法） H=ztest(x,m,sigma)返回显著性水平为0.05的样本，m为均值，sigma为标准差 [H,SIG,CI,ZVAL]=ztest(x,m,sigma,alpha,tail) 返回的H为假设检验，CI为真正均值的置信区间， ZVAL为统计量的值，SIGMA为观察值的概率. 默认的tail为0，表示样本均值不等于假设的均值. H=0时，表示在此alpha下，不能拒绝原假设. Sigma未知时，单个正态总体的均值MU的假设检验（t检验法