数学建模 统计分析.ppt

数学建模 统计分析 四、正态性检验* Q-Q图 Kolmogorov-Smirov检验 Lilliefors检验 1. Q-Q图 （quantile-quantile） clear n=40; x=randn(1,n); qqplot(x) Q-Q图： 第i个点的纵坐标是排序的样本观测值 ，横坐标是 理论直线的方程为： 2. Kolmogorov-Smirov检验 检验的统计量是： 其中 是待检验的分布函数。 Matlab中的命令： [h, p]=kstest(x, [ ], alpha, tail) 检验样本是否服从标准的正态分布，其中 alpha: 检验的水平 tail: 检验的类型，0表示双侧检验，-1和1是单侧检验 h: 取值0和1，分别表示接受和拒绝零假设 p: 检验的p-值 简单用法：h=kstest(x) clear n=30; N=5000; for i=1:N x=randn(1, n); h=kstest(x); if h==1 a(i)=1; else a(i)=0; end end sum(a)/N % 结果是什么? clear n=80; N=5000; for i=1:N x=trnd(1, 1, n); %样本来自于t(1) a(i)= kstest(x); end sum(a)/N %结果是什么? 3. Lilliefors检验 Matlab中的命令： h=lillietest(x) [h,p]=lillietest(x, [ ], alpha, tail) 用来检验数据是否具有与样本相同均值和方差的 正态分布。 clear n=30; N=5000; for i=1:N x=randn(1, n)+2; a(i)= lillietest(x); end sum(a)/N % ？ 五、方差分析(analysis of variance) 例1：在实验室内有多种方法可以测定生物样品中的磷含量，现选取4种测定方法，测定同一干草样品的磷含量，结果见下表，试分析这4种方法之间差异是否显著。 不同方法测定的干草磷含量 Outline 一、描述性统计 二、随机数的生成 三、参数假设检验 四、正态性检验* 五、方差分析 六、回归分析 一、描述性统计 直方图 均值 标准差 … 偏度 峰度 1. 直方图 (histogram) hist(x) hist(x, m) histfit(x, m) % 带正态拟合的直方图 2. 描述性统计量 mean(x) % 均值 std(x) % 标准差 median(x) % 中位数 sort(x) % 顺序统计量 sum(x) % 和 var(x) % 方差 kurtosis(x) % 峰度，正态是3 skewness(x) % 偏度，正态是0 二、随机数 (random number) 均匀分布随机数 正态分布随机数 指数分布随机数 卡方分布随机数 t分布随机数 F分布随机数 离散分布随机数 1. 均匀分布的随机数 rand(n) % [0, 1]区间上 rand(m, n) % [0, 1]区间上 unifrnd(a, b, m, n) % [a, b]区间上 2. 正态分布的随机数 randn(n) % N(0, 1) randn(m, n) % N(0, 1) normrnd(a, b, m, n) % N(a, b^2) 或等价地， x=randn(m, n); x=a+b*x 3. 指数分布的随机数 exprnd (lambda) % 1个随机数 exprnd (lambda, m, n) 4. 卡方分布的随机数 chi2rnd (df) chi2rnd (df, m, n) 5. t分布的随机数 trnd (df) trnd (df, m, n) 6. F分布