第7章matlab在概率统计中的应用.docxVIP

第7章-MATＬAB在概率统计中的应用 ———————————————————————————————— 作者： ————————————————————————————————　日期: ? ＭＡTLＡB在概率统计中的应用总结 一、统计量的数字特征 (一)简单的数学期望和几种均值 mean(ｘ) 平均值函数 当x 为向量时，得到它的元素平均值;当x 为矩阵时,得到一列向量,每一行值为矩阵行元素的平均值， 举例1：求矩阵A的平均值。 D=[74.0０1 7４.０05　74.003 7４．０01 74.00 73.998 74.006　74.02] Ｍｅan（ｄ) 举例２：设随机变量ｘ的分布规律如下表，求Ｅ(ｘ)和E(3ｘ2+５)的值E(x）的值 X －2 0 2 pｋ 0.4 0.3 ０.3 Ｅ（ｘ)的值: 　　　 　 　 　 x=[-2，０，２],pk=[０.4,０.3,０.3］ sｕm(x.*pk) E(3x2+5)的值。 x=［-2,０,2］,pk=[0.4,0.３,0.3］ z=3*ｘ.^2+5 sｕｍ(z.*pk) （二)数据比较 maｘ　　 最大值 min　 　 最小值 ｍｅdian 中值 sort 　 　 由小到大排序 （三）求和与积 sum 　 求向量或矩阵的元素累和 proｄ：　 求当前元素与所有前面元素的积 举例： 下面的程序用来求向量各元素的之和 proｄ=1 varx=[2,3,４] fｏr x=ｖarx 　 prod=prｏｄ+x end (四)方差和标准差 方差函数Ｖar Vａｒ(x） x为向量，返回向量的样本方差;ｘ为矩阵，则返回矩阵各列的方差。 ②Var(x,1) 　返回向量(矩阵x)的简单方差(即置前因子为的方差） ③Vａｒ(ｘ,ｗ） 　返回向量（矩阵)x即以w为权的方差。 Sｔｄ　 标准差函数 Std(x）　返回向量或矩阵ｘ的样本标准差（置前因子为1n-1 Ｓｔd（x,1) 返回向量或矩阵x的标准差(置前因子为1n 举例: d=[74.０01,74.005,74.003,7４.001,7４．00,７３.９98,74.006,74.0２] mｅａn(d) var（d,1） 　%方差 vaｒ(d)　　 %样本方差 std(d，1) %标准差 std（ｄ) 　 %样本标准差 　 （五)协方差和相关系数 cov(x)：ｘ为向量，返回向量的方差,x为矩阵时返回矩阵的协方差矩阵,其中协方差矩阵的对角元素是x矩阵的列向量的方差值。 cov（x,y):返回向量x．，y的协方差矩阵,且x，ｙ的维数必须相同。 cｏv(x,1）:返回向量ｘ的协方差（矩阵)，置前因子为1n　 ｃorrcoｅf（x,y)：返回列向量ｘ，y的相关系数。 corrcｏeｆ(x): 返回矩阵x的列元的相关系数矩阵。 举例： a=[１，2,１,2，2,1］ ｘ1=vａr（a） 　 %向量的方差 y1＝cov(a) 　％向量的方差 ｄ＝raｎd(2,６) ｃov１=coｖ（d)　 %矩阵D的样本协方差 ｃ＝rand(3，3) x2=ｃov（c）　　 　%矩阵C的样本协方差 y2＝corrｃoｅf(c)　%矩阵C各列元的相关系数 二、常用的统计分布量 （一）期望和方差 函数名 调用方式 参数说明 函数注释 Beｔａstat [M，Ｖ]=betaｓtaｔ（Ａ,B） M为期望值 V为方差值 Ａ、Ｂ为β分布参数 β分布的期望方差 Biｎｏsｔat ［M,V]＝ｂinostat(N，P) N主实验次数 P为二次分布概率 二项式分布的期望和方差 Chｉｚｓtaｔ [M,v]=Chi２staｔ(nu) nｕ为卡方分布参数 卡方分分布的期望和方差 Expsｔａt ［M，Ｖ］=expstat(mu) mu为指数分布的特征参数 指数分布的期望和方差 Fsｔat ［M1,V］=ｆｓtaｔ(ｖ1,v2) Ｖ1和V2为F分布的两个自由度 F分布的期望和方差 Gaｍstat [M，v]=gamstat(A1，B） A,Ｂ为γ分布的参数 γ分布的期望和方差 Geostａt [M，ｖ]=ｇeostaｔ（P) P为几何分布的几何概率参数 几何分布的期望和方差 Ｈygｅｓtat [MN，,V]=hｙgestat(M1,Ｋ1,N） Ｍ,K,N为超几何概分布参数 超几何分布的期望和方差 Ｌonstaｔ [M,,Ｖ]=ｌogstat（mｕ，sigma) mu为对数分布的均值,sigma为标准差 Ｐoiｓｓtaｔ [M，V]=Poｉssｔat(<LAMBDA） LＡMBDN为泊松分布参数 Ｎorｍｓtaｔ [M1,V]=nｏｒmstat(mu，sigｎa) Mu为正态分布的均值sinｍａ为标准