随机实验分析.docxVIP

PAGE2

实验一?MATLAB入门及其在概率统计中的应用

徐泽坤2021141480081

刘亮2021141480200

罗仕贤2021141480054

一.实验目的

自主学习使用MATLAB仿真软件，了解MATLAB基本功能及其在科学计算各领域的应用。重点掌握MATLAB各概率统计函数及其用法，各类图形函数的使用方法。初步掌握MATLAB的编程方法。

二.实验原理

1.离散信号

离散信号是在连续信号上采样得到的信号。与连续信号的自变量是连续的不同，离散信号是一个序列，即其自变量是“离散”的。这个序列的每一个值都可以被看作是连续信号的一个采样。

2.连续信号

连续时间信号是指时间自变量在其定义的范围内，除若干不连续点以外均是连续的，且信号幅值在自变量的连续值上都有定义的信号。信号幅值可以是连续的也可以是离散的。

3.常见的随机变量分布介绍：

几何分布：随着n增大呈等比级数变化，等比级数又称几何级数。

X~G（p），P(X=n)=(1?p)^(n?1)p

E(X)=1/P,D(X)=(1-P)/p^2

2）超几何分布：它描述了由有限个物件中抽出n个物件，成功抽出指定种类的物件的次数(不归还)。在产品质量的不放回抽检中，若N件产品中有M件次品，抽检n件时所得次品数X=k，则P(X=k)=C(M，k)·C(N-M,n-k)/C(N,n)，C(ab)为古典概型的组合形式，a为下限，b为上限，此时我们称随机变量X服从超几何分布

超几何分布记作X~H(n，M，N)。P(X=k)=C(M，k)·C(N-M,n-k)/C(N,n)

E(X)=n*M/N,D(X)=M*n*(N-n)*(N-M)/[N*N*(N-1)]

3）二项分布：即重复n次独立的伯努利试验。在每次试验中只有两种可能的结果，而且两种结果发生与否互相对立，并且相互独立，与其它各次试验结果无关，事件发生与否的概率在每一次独立实验中都保持不变，则这一系列试验总称为n重伯努利实验。X~B(n,p),P=C(k,n)*p^k*(1-p)^(n-k)

E(X)=n*p,D(X)=n*p*(1-p)

泊松分布：当二项分布的n很大而p很小时，泊松分布可作为二项分布的近似，其中λ为np。通常当n≧10,p≦0.1时，就可以用泊松公式近似得计算。泊松分布X~P(λ),P=(X=k)=(λ^k)*e^(-λ)/k!

E(X)=λ,D(x)=λ

5）均匀分布：是一种简单的概率分布，均匀的，不偏差的。

均匀分布X~U(a,b),分布函数：F(x)=(x-a)/(b-a)，a≤x≤b;F(x)=0,x<a;F(X)=1,x>b

概率密度函数：f(x)=1/(b-a),a<=x<=b;f(x)=0,others

E(x)=(a+b)/2,D(x)=((b-a)^2)/12

6）指数分布：是描述泊松过程中的事件之间的时间的概率分布，即事件以恒定平均速率连续且独立地发生的过程。这是伽马分布的一个特殊情况。它是几何分布的连续模拟，它具有无记忆的关键性质。?

指数分布X~e(λ),分布函数:F(x)=1-e^(-λx),x>=0;F(x)=0,x<0

概率密度函数：f(x)=λ*e(-λx),x>0;f(x)=0,x<=0

E(x)=1/λ,D(x)=1/(λ^2)

7）伽马分布：是统计学的一种连续概率函数。Gamma分布中的参数α，形状参数（shapeparameter），β称为尺度参数（scaleparameter）。意义：假设随机变量X为等到第α件事发生所需之等候时间。若随机变量X具有概率密度，其中α>0,β>0,则称随机变量X服从参数α，β的伽马分布，记作Γ(α,β).

伽马分布X~Γ(α,β)),概率密度函数：

E(X)=α/β,D(X)=α/(β^2)

8）高斯分布（正态分布）是一种概率分布。正态分布是具有两个参数μ和σ^2的连续型随机变量的分布，第一参数μ是遵从正态分布的随机变量的均值，第二个参数σ^2是此随机变量的方差，所以正态分布记作N(μ，σ^2)。遵从正态分布的随机变量的概率规律为取μ邻近的值的概率大，而取离μ越远的值的概率越小；σ越小，分布越集中在μ附近，σ越大，分布越分散。X~N(μ，σ^2),

概率密度函数：

E(x)=β,D(x)=σ^2

9）卡方分布：若n个相互独立的随机变量ξ1，ξ2，…，ξn，均服从标准正态分布（也称独立同分布于标准正态分布），则这n个服从标准正态分布的随机变量的平方和∑ξi2构成一组新的随机变量，其卡方分布分布规律称为χ2(n)分布，其中参数n称为自由度，自由度不同就是