第三章分布函数的计算课件.ppt

第三章_分布函数的计算;;1、密度函数和分布函数;;例3.1.3： 对男性大学生随机抽检，共抽400名大学生测量其身高。将身高区间（1.50, 2.1）分划分成若干段，计算每段学生身高的数量，并作直方图。 ;从例3.1.3可以看出，大学生身高的一些特点。 1）首先身高在平均值附近的人数特别多。 2）从直方图中我们可以看出身高的趋势具有对称性。 3）离平均值越远数量越少。 这是典型的正态分布的特点。可以想象当我们抽样量增大应该有一个理论函数作为极限。 密度函数（inv） 称这个理论函数为连续型随机变量的密度函数，上图中的红线所显示的就是密度函数的图形。在MATLAB这密度函数用inv来表示。;;设平均值为5，算出0到10的分布律;;;（2）设X服从均值为5的泊松分布，作分布律和分布函数图形。;（三）下侧概率、上侧概率和分位点 ; 利用分布函数我们可以计算随机变量X落在某一范围的概率，或者说我们掌握了该随机变量的规律了。例如随机变量X小于分位点的概率即下侧概率，大于分位点的概率即上侧概率。而随机变量落入x1和x2之间的概率可用以下公式计算。;例3.1.6：男性大学生身高X的平均值为1.7米，标准差为0.1米。 1）计算身高小于1.8米大于1.6米发生的概率，即随机变量X落入区间（1.6, 1.8）的概率。 2）求下侧概率为0.95的分位点。 解：本题利用分布函数进行计算 P(1.6X1.8)=F(1.8)-F(1.6);;;（一）?积分计算的一般方法 分布函数的一般形式为： ;其基本思想是，用简单函数来代替复杂的被积函数。例如在被 积函数的定义域内选一系列的点。;这里;可以证明，当 ;从而我们可以得到积分的一般近似公式 :;x0;l???????? 代数精度概念 ?定义 3.1.1 若某个求积公式对于小于等于n 的多项式均能准确地成立，但对n+1次多项式则不能。则称该求积公式具有n次代数精度。 ;当;（2）抛物线求积公式 Cotes系数为1/6，4/6，1/6 ; 复合求积公式 对于一个求积公式，我们要求它们的算法稳定并收敛，但不幸的是 Newton—Cotes 求积公式并不稳定，在某些情况下计算不收敛。 例3.1.3 讨论函数 在区间[-1，1]，用Cotes系 数计算的收敛问题。 ;显然 Newton—Cotes 求积公式有致命的弱点。 为改善求积公式，我们使用复合求积公式。其基本思想是把积分区间分成若干小区间，每个小区间中用次数不高的插值多项式近似逼近。 1）复合梯形求积公式 对区间[a, b]n等份，基点 对每个小区间用梯形求积公式，则 ; Tn 称为复合梯形公式。为便于按迭代计算，在原有的分划基础上把区间分为 2n 等分，每个小区使用梯形公式，则有 ;令n=2m，m为正整数，在每个小区间 上用抛物线公式 ;3) 步长的自动选择与停止准则 在实际计算中，往往是先给出误差精度，在保证精度的前提下，没有必要将区间无限的分下去。 假设给出的误差精度为 ，若 ;复合梯形求积公式的结果 ?结果为：n = 12 t = 0.5496878 eps = 0.0004596 结果为：n = 24 t = 0 eps = 0.0004126 结果为：n = 48 t = 0 eps = 0.0000638 结果为：n = 96 t = 0 eps = 0.0001604 结果为：n = 192 t = 0 eps = 4.012×10-6 结果为：n = 384 t = 0 eps = 1.0032×10 -6 结果为：n = 768 t = 0 eps = 2.508×10-7 复合抛物线求积公式的结果 ?结果为：n = 12 t = 0 eps = 0.1036734 结果为：n = 24 t = 0 eps = 0.0087778 结果为：n = 48 t = 0.549360162 eps = 0.0002225 结果为：n = 96 t = 0 eps = 1.429×10-7 ;l 高斯（Gauss）型求积公式 我们已经知道用Nowton—Cotes系数来进行近似积分，其一般公式为： ? ;高斯点与正交多项式的关系 定理3.1.3