MATLAB第7章 概率论与数理统计.pptVIP

7.1古典概率 7.1.1事件域的表示与运算 7.1.2古典概率的计算 7.2随机变量及其概率 7.2.1随机变量及其分布 7.2.2随机变量的概率密度函数 7.2.3随机变量的概率分布函数 7.2.4概率分布的逆解 7.2.5二维随机变量及概率分布 7.2.6随机变量函数的分布 7.2.7随机变量样本的生成 7.3随机变量的数字特征 7.3.1由分布求均值与方差 7.3.2随机样本的统计数字特征 7.3.3缺失数据样本的处理 7.4参数估计 7.4.1常用概率分布下的参数估计 7.4.2正态总体参数的区间估计 7.5假设检验 7.5.1假设检验的常用函数 7.5.2假设检验的其他编程方法 7.6方差分析 7.6.1单因素方差分析 7.6.2双因素方差分析 第7章 概率论与数理统计 7.1古典概率计算 古典概率是概率论和数理统计的基本内容，也是随机理论及其应用的基础。古典概率是基于大样本下的概率方法，所以计算往往比较繁琐。MATLAB的许多函数命令可以的实现古典概率的计算与分析。 在MATLAB中，事件域中的元素用数字或符号来表示。如： [inf,-4,-1,0,1,2,3,8,19,inf]， [1,2,3,4,5,6,…,inf] 事件的关系运算有以下几种。 7.1.1 事件域的表示与运算 1. 事件的并（或和） C=union(A,B) 事件C=事件A、事件B的并(A+B) [c,ia,ib]= union(A,B) c=事件A、事件B的并，ia= A中所提供的不同于B中的元素从小到大在A中的序号，ib=B中元素从小到大排序在B中的序号。 2. 事件的交（或积） C=intersect(A,B)：事件C=事件A、事件B的交（AB） [c,ia,ib]= intersect(A,B)：c=事件A、B的交集，ia=c的元素在A中的序号，ib=c的元素在B中的序号。 7.1.1 事件域的表示与运算 3. 事件的差 C=setdiff(A,B) 事件C=事件A、事件B的差（A-B） [c,iab]=setdiff(A,B) c=事件A-B，iab=A-B的元素在A中的序号。 4. 事件的异或 C=setxor(A,B) 事件C=事件A、事件B的异或 （A+B-AB） [c,ia,ib]=setxor(A,B) =事件A、B的异或，ia= c的元素在A中的序号，ib=交集c的元素在B中的序号。 5. 事件的互斥（不相交） C=ismember(A,B) 判断事件A是否在事件B中。若C=0，则A、B互斥。 C=intersect(A,B) 事件C=事件A、B的交（AB）若C=[]空集，则A、B则互斥。 7.1.1 事件域的表示与运算 7.1.2古典概率的计算 MATLAB常用于古典概率计算的函数命令格式有阶乘计算：fn=factorial(n) 计算n! 排列组合：fNk=nchoosek(N,k) 计算 在N次试验中，不放回地随机抽取k个样本，所有的不同取法有 种。 7.2 随机变量及其概率 MATLAB包含了各类随机变量生成及概率计算的函数命令，为随机问题的分析与计算提供了极大的方便。本节主要介绍一维和二维随机变量及常见概率分布计算的基本方法。 随机变量X的概率分布是对随机变量变化规律的整体描述。概率分布包括概率分布函数，也称分布函数或累积分布函数（cdf）和概率分布密度函数（pdf），也称密度函数或密度。 7.2.1 随机变量及其分布 7.2.2 随机变量的概率密度函数 MATLAB提供了计算概率密度函数Probability density function (pdf))的函数命令。常用函数命令见表7-2。表中概率密度函数与表7-1中的概率分布相对应。 7.2.4 概率分布的逆解 由已知的概率分布来求概率参数,是概率求解的逆过程。如，设某一种彩票中奖的几率为10万分之一, 若要使中彩的概率提高到90%的话，则需要购买多少张彩票？即由 求所需购买的张数k。显然当k很大时求解过程将十分繁琐。 MATLAB提供了概率分布的逆求解函数命令 （Inverse of the cumulative distribution function，inv）。概率分布函数的逆解的常用命令格式及说明见表7-4。 7.2.5二维随机变量及概率分布 1. 二维随机变量的联合分布 称F(x,y)=P{X≤x,Y≤y}, -∞x∞, -∞y∞, 为二维随机变量(X,Y)的联合分布函数，简称(X,Y)的分布函数。(X,Y)落在区域