Matlab概率论与数理统计.docxVIP

Matlab 概率论与数理统计 一、matlab 基本操作 1. 画图 【例 01.01】简单画图 hold off; x=0:0.1:2*pi; y=sin(x); plot(x,y, -r ); x1=0:0.1:pi/2; y1=sin(x1); hold on; fill([x1, pi/2],[y1,1/2], b ); 【例 01.02】填充，二维均匀随机数 hold off ; x=[0,60];y0=[0,0];y60=[60,60]; x1=[0,30];y1=x1+30; x2=[30,60];y2=x2-30; xv=[0 0 30 60 60 30 0];yv=[0 30 60 60 30 0 0]; fill(xv,yv, b ); hold on ; plot(x,y0, r ,y0,x, r ,x,y60, r ,y60,x, r ); plot(x1,y1, r ,x2,y2, r ); yr=unifrnd (0,60,2,100); plot(yr(1,:),yr(2,:), m. ) axis( on ); axis( square ); axis([-20 80 -20 80 ]); 1 2. 排列组合 C=nchoosek(n,k) ： k C C ，例 nchoosek(5,2)=10, nchoosek(6,3)=20. n prod(n1:n2) ：从 n1 到 n2 的连乘 【例 01.03】至少有两个人生日相同的概率 N! n n!C (N n)! N (N 1) ( N p 1 1 1 公式计算 n n n N N N N n 1) 365 364 (365 rs 1) 365 364 365 rs 1 1 1 rs 365 365 365 365 rs=[20,25,30,35,40,45,50]; %每班的人数 p1=ones(1,length(rs)); p2=ones(1,length(rs)); % 用连乘公式计算 for i=1:length(rs) p1(i)=prod(365-rs(i)+1:365)/365^rs(i); end % 用公式计算（改进） for i=1:length(rs) for k=365-rs(i)+1:365 p2(i)=p2(i)*(k/365); end ; end % 用公式计算（取对数） for i=1:length(rs) 2 p1(i)=exp(sum(log(365-rs(i)+1:365))-rs(i)*log(365)); end p_r1=1-p1; p_r2=1-p2; Rs =[20 25 30 35 40 45 50 ] P_r=[0.4114 0.5687 0.7063 0.8144 0.8912 0.9410 0.9704] 二、随机数的生成 3. 均匀分布随机数 rand(m,n); 产生 m 行 n 列的(0,1)均匀分布的随机数 rand(n); 产生 n 行 n 列的(0,1)均匀分布的随机数 【练习】生成 (a,b)上的均匀分布 4. 正态分布随机数 randn(m,n); 产生 m 行 n 列的标准正态分布的随机数 【练习】生成 N(nu,sigma.^2) 上的正态分布 5. 其它分布随机数 函数名 调用形式 注 释 Unidrnd unid rnd (N,m,n) 均匀分布（离散）随机数 binornd bino rnd (N,P,m,n) 参数为 N, p 的二项分布随机数 Poissrnd poiss rnd (Lambda,m,n) 参数为 Lambda的泊松分布随机数 geornd geornd (P,m,n) 参数为 p 的几何分布随机数 hygernd hyge rnd (M,K,N,m,n) 参数为 M，K，N的超几何分布随机数 Normrnd normrnd (MU,SIGMA,m,n) 参数为 MU，SIGMA的正态分布随机数， SIGMA是标准差 Unifrnd unif rnd ( A,B,m,n) [A,B] 上均匀分布 ( 连续) 随机数 Exprnd exp rnd (MU,m,n) 参数为 MU的指数分布随机数 chi2rnd chi2 rnd(N,m,n) 自由度为 N的卡方分布随机数 Trnd t rnd(N,m,n) 自由度为 N的 t 分布随机数 Frnd f rnd(N1, N2,m,n) 第一自由度为 N1, 第二自由度为 N2的 F 分布随机数 gamrnd gamrnd(A, B,m,n) 参数为 A, B 的 分布随机数 betarnd betarnd(A, B,m,n) 参数为 A, B 的 分布随机数 lognrnd lognrnd(M