数学建模之概率统计.pptVIP

频数直方图或频数表x=load(data5.txt);x=x(:);hist(x)fiugrehistfit(x)%加入较接近的正态分布密度曲线例5：现累积有100次刀具故障记录，当故障出现时该批刀具完成的零件数见data5.txt，试画出其直方图。第61页，共104页，星期日，2025年，2月5日从图形上看，较为接近正态分布第62页，共104页，星期日，2025年，2月5日参数估计当我们可以基本确定数据集X符合某种分布后，我们还需要确定这个分布的参数。由于正态分布情况发生的比较多，故我们主要考虑正态分布的情形。对于未知参数的估计，可分两种情况：点估计区间估计第63页，共104页，星期日，2025年，2月5日参数估计：点估计构造样本X与某个统计量有关的一个函数，作为该统计量的一个估计，称为点估计。Matlab统计工具箱中，一般采用最大似然估计法给出参数的点估计。泊松分布P(?)的?最大似然估计是指数分布Exp(?)的?最大似然估计是第64页，共104页，星期日，2025年，2月5日点估计举例正态分布N(?,?2)中，?最大似然估计是，?2的最大似然估计是x=load(data1.txt);x=x(:);[mu,sigma]=normfit(x)例6：已知例1中的数据服从正态分布N(?,?2)，试求其参数?和?的值。使用normfit函数第65页，共104页，星期日，2025年，2月5日参数估计：区间估计构造样本X与某个统计量有关的两个函数，作为该统计量的下限估计与上限估计，下限与上限构成一个区间，这个区间作为该统计量的估计，称为区间估计。Matlab统计工具箱中，一般也采用最大似然估计法给出参数的区间估计。第66页，共104页，星期日，2025年，2月5日区间估计举例x=load(data1.txt);x=x(:);[mu,sigma,muci,sigmaci]=normfit(x)例7：已知例1中的数据服从正态分布N(?,?2)，试求出?和?2的置信度为95%的区间估计。x=load(data6.txt);x=x(:);[mu,sigma,muci,sigmaci]=normfit(x,0.01)例8：从自动机床加工的同类零件中抽取16件，测得长度值见data6.txt，已知零件长度服从正态分布N(?,?2)，试求零件长度均值?和标准差?的置信度为99%的置信区间。第67页，共104页，星期日，2025年，2月5日假设检验对总体的分布律或分布参数作某种假设，根据抽取的样本观察值，运用数理统计的分析方法，检验这种假设是否正确，从而决定接受假设或拒绝假设，这就是假设检验问题。以正态假设检验为例，来说明假设检验的基本过程。第68页，共104页，星期日，2025年，2月5日正态假设检验正态假设检验的一般过程：假设检验：利用Matlab统计工具箱给出的常用的假设检验方法的函数ttest，进行显著性水平为alpha的t假设检验，以检验正态分布样本x（标准差未知）的均值是否为m。运行结果中，当h=1时，表示拒绝零假设；当h=0时，表示不能拒绝零假设。对比正态分布的概率密度函数分布图，判断某统计量的分布可能服从正态分布利用统计绘图函数normplot或wblplot进行正态分布检验第69页，共104页，星期日，2025年，2月5日正态假设检验举例例9：试说明例5中的刀具使用寿命服从正态分布，并且说明在方差未知的情况下其均值m取为597是否合理。(1)对比刀具使用寿命分布图与正态分布的概率密度分布函数图，得初步结论：该批刀具的使用寿命可能服从正态分布。解：第70页，共104页，星期日，2025年，2月5日第71页，共104页，星期日，2025年，2月5日x=load(data5.txt);x=x(:);normplot(x)(2)利用统计绘图函数normplot进行分布的正态性检验结果显示：这100个离散点非常靠近倾斜直线段，即图形为线性的，因此可得结论：该批刀具的使用寿命近似服从正态分布。第72页，共104页，星期日，2025年，2月5日正态假设检验举例x=load(data5.txt);x=x(:);h=ttest(x,597,0.05)(3)利用函数ttest进行显著性水平为alpha的t假