§13.6
概率统计实验
[学习目标]
1． 会用Mathematica 求概率、均值与方差；
2． 能进行常用分布的计算；
3． 会用Mathematica 进行期望和方差的区间估计；
4． 会用Mathematica 进行回归分析。
概率统计是最需要使用计算机的领域，过去依靠计算器进行统计计算，由于计算机的普及得以升级换代。本节介绍Mathematica 自带的统计程序包，其中有实现常用统计计算的各种外部函数。
一、 样本的数字特征
1. 一元的情况
Mathematica 的内部没有数理统计方面的功能，但是带有功能强大的数理统计外部程序，由多个程序文件组成。它们在标准扩展程序包集的Statistic 程序包子集中，位于目录
D ：\Mathematica\4.0\AddOns\StandardPackages\Statistics
下。通过查看Help ，可以找到包含所需外部函数的程序文件名。
在程序文件DescriptiveStatistics.m 中，含有实现一元数理统计基本计算的函数，常用的有：
SampleRange[data] 求表data 中数据的极差（最大数减最小数）。
Median[data] 求中值。
Mean[data] 求平均值∑=n
i i x n 1
1。 Variance[data] 求方差（无偏估计）∑=--n
i i x x n 12)(11。 StandardDeviation[data] 求标准差（无偏估计）∑=--n
i i x x n 1
2)(11。 VarianceMLE[data] 求方差∑=-n
i i x x n 1
2)(1。 StandardDeviationMLE[data] 求标准差∑=-n
i i x x n 1
2)(1。 实际上程序文件中的函数很多，这里只列出了最常用的函数，其它计算函数可以通过Help 浏览。
例1 给出一组样本值：6.5，3.8，6.6，5.7，6.0，6.4，5.3，计算样本个数、最大值、最小值、均值、方差、标准差等。
解：In[1]：= << Statistics `DescriptiveStatistics`
In[2]：= data = {6.5，3.8，6.6，5.7，6.0，6.4，5.3}；
In[3]：=Length[data]
Out[3]=7
In[4]：=Min[data]
Out[4]= 3.8
In[5]：=Max[data]
Out[5]= 6.6
In[6]：=SampleRange[data]
Out[6]= 2.8
In[7]：=Median[data]
Out[7]= 6.
In[8]：=Mean[data]
Out[8]= 5.75714
In[9]：=Variance[data]
Out[9]= 0.962857
In[10]：=StandardDeviation[data]
Out[10]= 0.981253
In[11]：=VarianceMLE[data]
Out[11]= 0.825306
In[12]：= StandardDeviationMLE[data]
Out[12]= 0.908464
说明：在上例中，In[1]首先调入程序文件，求数据个数、最大值和最小值使用内部函数。
2. 多元的情况
在程序文件MultiDescriptiveStatistics.m 中，含有实现多元数理统计基本计算的函数，常用的有：
SampleRange[data] 求表data 中数据的极差。 Median[data] 求中值。
Mean[data] 求平均值。
Variance[data] 求方差（无偏估计）。
StandardDeviation[data] 求标准差（无偏估计）。
VarianceMLE[data] 求方差。
StandardDeviationMLE[data] 求标准差。
Covariance[xlist ，ylist] 求x ，y 的协方差（无偏估计）∑=---n i i i y y x x n 1
))((11。
CovarianceMLE[xlist ，ylist] 求x ，y 的协方差∑=--n i i i y y x x n 1
))((1。 Correlation[xlist ，ylist] 求x ，y 的相关系数∑∑∑===----n i n i n i i i i i y y x x y y x x
11122)()(/))((。
实际上程序文件中的函数很多，这里只列出了最常用的函数，其它计算函数可以通过Help 浏览。
例2 给出4个样本值：{1.1，2.0，3.2}，{1.3，2.2，3.1}，{1.15，2.05，3.35}，{1.22，
2.31，
3.33}，计算样本个数、均值、方差、标准差等。
解：In[1]：= << Statistics `MultiDescriptiveStatistics `
In[2]：= data = {{1.1，2.0，3.2}，{1.3，2.2，3.1}，
{1.15，2.05，3.35}，{1.22，2.31，3.33}}；
Length[data]
Out[3]=4
In[4]：=SampleRange[data]
Out[4]= {0.2，0.31，0.25}
In[5]：=Median[data]
Out[5]= {1.185，2.125，3.265}
In[6]：=Mean[data]
Out[6]= {1.1925，2.14，3.245}
In[7]：=Variance[data]
Out[7]= {0.00755833，0.0200667，0.}
In[8]：=VarianceMLE[data]
Out[8]= {0.00566875，0.01505，0.010325}
In[9]：=CentralMoment[data ，2]
Out[9]= {0.00566875，0.01505，0.010325}
In[10]：=x=data[[All ，1]]；y=data[[All ，2]]；
z=data[[All ，3]]；
In[11]：=Covariance[x ，y]
Out[11]=0.0093
In[12]：=Covariance[z ，z]
Out[12]=0.
In[13]：=CovarianceMLE[y ，y]
Out[13]=0.01505
In[14]：=Correlation[y，z]
Out[14]=0.
In[15]：=Correlation[x，x]
Out[15]=1.
二、常用分布的计算
在计算机出现以前，统计计算总是依赖一堆函数表。使用本节介绍的函数可以取代查表，为实现各种统计计算的自动化做好了底层准备工作。
1.离散分布
程序文件DiscreteDistributions.m中，含有用于离散分布计算的函数。其中常用的离散分布有：
BernoulliDistribution[p] 贝努利分布。
BinomialDistribution[n，p] 二项分布。
GeometricDistribution[p] 几何分布。
HypergeometricDistribution[n，M，N] 超几何分布。
PoissonDistribution[λ] 泊松分布。
DiscreteUniformDistribution[n] 离散的均匀分布。
NegativeBinomialDistribution[n，p] 负二项分布。
以上函数中的参数，既可以是数值的，也可以是符号的。使用这些函数只能按用户给出的参数建立一个表达式，并不能返回任何其它结果。真正进行计算的是下面的求值函数，它们使用以上的分布表达式作为一个参数。
常用的求值函数有：
Domain[dist] 求dist的定义域。
PDF[dist，x] 求点x处的分布dist的密度值。
CDF[dist，x] 求点x处的分布函数值。
Quantile[dist，q] 求x，使CDF[dist，x]达到q。
Mean[dist] 求分布dist的期望。
Variance[dist] 求方差。
StandardDeviation[dist] 求标准差。
ExpectedValue[f，dist，x] 求E f（x）。
CharacteristicFunction[dist，t] 求特征函数φ（t）。
Random[dist] 求具有分布dist的伪随机数。
RandomArray[dist，dims] 求维数为dims的伪随机数的数组。
例3观察下面二项分布的各种基本计算。
In[1]：= << Statistics `DiscreteDistributions`
In[2]：= b=BinomialDistribution[n，p]
In[3]：=Mean[b]
Out[3]=np
In[4]：=Variance[b]
Out[4]= n （1-p ）p
In[5]：=CharacteristicFunction[b ，t]
Out[5]= (1-p+e it p ）n
In[6]：=b=BinomialDistribution[10，0.3]
Out[6]= BinomialDistribution[10，0.3]
In[7]：=Domain[b]
Out[7]= {0，1，2，3，4，5，6，7，8，9，10}
In[8]：=PDF[b ，4]
Out[8]= 0.200121
In[9]：=CDF[b ，3.9]
Out[9]= 0.649611
In[10]：=CDF[b ，4]
Out[10]= 0.849732
In[11]：=Variance[b]
Out[11]= 2.1
说明：在上例中，首先调入程序文件。In[2]用b 表示具有符号参数的二项分布，这一步只是为了后面输入时方便，并非必需的，也可以使用嵌套省略这一步。In[3]~In[5]进行的是符号运算，可以得到期望、方差等的一般公式。这是本程序与一般统计软件的不同之处，充分体现了Mathematica 的特色。接下来给出具体的参数值，进行数值计算，这些计算取代了查表。
以下是一些更广泛、深入的例子。
例4 观察下面离散分布的各种计算。
In[1]：= << Statistics `DiscreteDistributions`
In[2]：= h=HypergeometricDistribution[n ，M ，N]；
Mean[h]
Out[3]=N
Mn In[4]：=Variance[h]
Out[4]=
N N N n N M Mn )1())(1(+-+--
PDF[p ，2]
Out[6]=5225e
In[7]：=N[%]
Out[7]=0.0842243
In[8]：=PDF[p ，20] //N
Out[8]=2.64121×10-7
In[9]：=N[CDF[p ，20]，20]
Out[9]=0.999999912
In[10]：=ExpectedValue[x^2，p ，x]
Out[10]=30
In[11]：=RandomArray[p ，{2，10}]
Out[11]={{3，4，6，10，2，5，7，2，5，5}，
{4，3，2，11，5，4，2，2，4，6}}
说明：在上例中表明，超几何分布的参数按我国教科书的习惯来表示，这里求出的期望和方差公式就与教科书上的相同了。In[5]中给出的参数是准确数5，Mathematica 在下面进行的仍是符号计算，得到准确结果。如果参数改为 5.0 ，则计算结果就都是近似值了。In[10]是求E ξ2，ExpectedValue 是一个很有用的函数，务必注意。
除了以上介绍的内容外，还有些不常用的函数本书没有列出，有兴趣的读者可以浏览Help 。
2. 连续分布
程序文件ContinuousDistributions.m 中，含有用于连续分布计算的函数。其中常见的连续分布有：
NormalDistribution[μ，σ] 正态分布。
UniformDistribution[min ，max] 均匀分布。
ExponentialDistribution[λ] 指数分布。
StudentTDistribution[n] t 分布。
ChiSquareDistribution[n] χ2分布。
常用的求值函数与离散分布相同，这里不再列出。
例5 计算：（1）ξ~N （0，1），求：P （ξ≤1.96），P （ξ≤ -1.96），P （-1<ξ≤2）。
（2）ξ~N （8，0.5），求：P （ξ≤10），P （7<ξ≤9）。
解：In[1]：= << Statistics `ContinuousDistributions`
In[2]：= n=NormalDistribution[0，1]；
In[3]：=CDF[n ，1.96]
§13.6 概率统计实验 [学习目标] 1． 会用Mathematica 求概率、均值与方差； 2． 能进行常用分布的计算； 3． 会用Mathematica 进行期望和方差的区间估计； 4． 会用Mathematica 进行回归分析。 概率统计是最需要使用计算机的领域，过去依靠计算器进行统计计算，由于计算机的普及得以升级换代。本节介绍Mathematica 自带的统计程序包，其中有实现常用统计计算的各种外部函数。 一、 样本的数字特征 1. 一元的情况 Mathematica 的内部没有数理统计方面的功能，但是带有功能强大的数理统计外部程序，由多个程序文件组成。它们在标准扩展程序包集的Statistic 程序包子集中，位于目录 D ：\Mathematica\4.0\AddOns\StandardPackages\Statistics 下。通过查看Help ，可以找到包含所需外部函数的程序文件名。 在程序文件DescriptiveStatistics.m 中，含有实现一元数理统计基本计算的函数，常用的有： SampleRange[data] 求表data 中数据的极差（最大数减最小数）。 Median[data] 求中值。 Mean[data] 求平均值∑=n i i x n 1 1。 Variance[data] 求方差（无偏估计）∑=--n i i x x n 12)(11。 StandardDeviation[data] 求标准差（无偏估计）∑=--n i i x x n 1 2)(11。 VarianceMLE[data] 求方差∑=-n i i x x n 1 2)(1。 StandardDeviationMLE[data] 求标准差∑=-n i i x x n 1 2)(1。 实际上程序文件中的函数很多，这里只列出了最常用的函数，其它计算函数可以通过Help 浏览。 例1 给出一组样本值：6.5，3.8，6.6，5.7，6.0，6.4，5.3，计算样本个数、最大值、最小值、均值、方差、标准差等。
习题一 1.1 写出下列随机试验的样本空间，并把指定的事件表示为样本点的集合： （1）随机试验：考察某个班级的某次数学考试的平均成绩（以百分制记分，只取整数）； 设事件A 表示：平均得分在80分以上。 （2）随机试验：同时掷三颗骰子，记录三颗骰子点数之和； 设事件A 表示：第一颗掷得5点； 设事件B 表示：三颗骰子点数之和不超过8点。 （3）随机试验：一个口袋中有5只球，编号分别为1，2，3，4，5，从中取三个球； 设事件A 表示：取出的三个球中最小的号码为1。 （4）随机试验：某篮球运动员投篮练习，直至投中十次，考虑累计投篮的次数； 设事件A 表示：至多只要投50次。 （5）随机试验：将长度为1的线段任意分为三段，依次观察各段的长度。 1.2 在分别标有号码1~8的八张卡片中任抽一张。 （1）写出该随机试验的样本点和样本空间； （2）设事件A 为“抽得一张标号不大于4的卡片”，事件B 为“抽得一张标号为偶数的 卡片”，事件C 为“抽得一张标号能被3整除的卡片”。 试将下列事件表示为样本点的集合，并说明分别表示什么事件？ （a ）AB ； (b) B A +； (c) B ； (d) B A -； (e) BC ； (f) C B + 。 1.3 设A 、B 、C 是样本空间的事件，把下列事件用A 、B 、C 表示出来： （1）A 发生； （2）A 不发生，但B 、C 至少有一个发生； （3）三个事件恰有一个发生； （4）三个事件中至少有两个发生； （5）三个事件都不发生； （6）三个事件最多有一个发生； （7）三个事件不都发生。 1.4 设}10,,3,2,1{ =Ω，}5,3,2{=A ，}7,5,3{=B ，}7,4,3,1{=C ，求下列事件： （1）B A ； （2）)(BC A 。 1.5 设A 、B 是随机事件，试证：B A AB A B B A +=-+-)()(。 1.6 在11张卡片上分别写上Probability 这11个字母，从中任意抽取7张，求其排列结果为ability 的概率。 1.7 电话号码由6位数字组成，每个数字可以是0，1，2，…，9中的任一个数字（但第一位不能为0），求电话号码是由完全不相同的数字组成的概率。 1.8 把10本不同的书任意在书架上放成一排，求其中指定的3本书恰好放在一起的概率。
一，实验目的及要求 1.通过定性分析实验，提高动态水力学中许多水力现象的实验分析能力； 2.通过定量测量实验，可以进一步掌握增压管中流体力学的能量转换特性，验证流体总流量恒定的伯努利方程，掌握测压管头线的实验测量技巧和绘制方法。 二，实验内容与方法 1.定性分析实验 （1）确认相同静态液体的测压管的头线是水平线。 实验表明，在阀门完全关闭并稳定后，每个压力计管液位的连接线均为水平线。此时，滑动标尺的读数值为水在流动前的总能量头。 （2）观察不同流量下某段液压元件的变化规律。 （3）验证动态水压力是否根据均匀流段上的静水压力规则分布。 （4）遵守过程中总能量斜率线的变化规律。
（5）观察压力计头线的变化规律。 （6）沿管道的压力分布是通过使用压力计的头线来判断的。 2.定量分析实验-伯努利方程验证和测压管头线测量分析实验 实验方法和步骤：在恒定流量的情况下，改变流量两次，一次打开阀门很大，以至于1号测量管的液位接近可读范围内的最低点。流量稳定后，测量并记录每个压力测量管的液位读数，并同时测量并记录实验流量。 三，数据处理及结果要求 1.记录相关信息，实验常数，实验数据记录和结果计算：有关详细信息，请参见实验报告书 2.结果要求 （1）定性分析实验中回答有关问题 （2）计算速度头和总头 （3）在上述结果的最大流量下绘制总压头线和压强计压头线
四，注意事项 1.应注意每次循环供水实验：必须将测得的水倒回到原始实验设备的水桶中，以保持自循环供水（在以下实验中不会提示此注意事项）。 2.稳压缸内的气腔越大，稳压效果越好。但是，稳压缸的水位必须淹没连接管的入口，以避免连接管的进气口，否则，有必要拧松稳压缸的排气螺钉以提高水位。圆筒;如果调压罐的水位高于排气螺钉的开口，则表明存在空气泄漏，需要进行检查和处理。 3.传感器与压力稳定缸之间的连接管应确保通气畅通，并且水不能进入连接管和进气口，否则应将其清除。 4.智能数显流量计启动后需要预热3?5分钟。
撰写人姓名：撰写时间：审查人姓名： 实验全过程记录实验 名称概率统计实验 时间2学时 地点数学实验室 姓名学号 同实验者学号 一、实验目的 1、掌握利用MATLAB处理简单的概率问题； 2、掌握利用MATLAB处理简单的数理统计问题。 二、实验内容： 1、熟练掌握几种常用的离散型、连续型随机变量的函数命令； 2、熟练掌握常用的描述样本数据特征的函数命令（如最值、均值、中位数（中值）、方差、标准差、几何平均值、调和平均值、协方差、相关系数等）； 3、掌握常用的MATLAB统计作图方法（如直方图、饼图等）； 4、能用MATLAB以上相关命令解决简单的数据处理问题； 5、熟练掌握常用的参数估计和假设检验的相关的函数命令； 6、能用参数估计和假设检验等相关命令解决简单的实际问题。 三、实验用仪器设备及材料 软件需求： 操作系统：Windows XP或更新的版本； 实用数学软件：MATLAB 7.0或更新的版本。 硬件需求： Pentium IV 450以上的CPU处理器、512MB以上的内存、5000MB的自由硬盘空间、CD-ROM驱动器、打印机、打印纸等。 四、实验原理: 概率论与数理统计等相关理论 五、实验步骤： 1、对下列问题，请分别用专用函数和通用函数实现。 ⑴X服从[3, 10]上均匀分布，计算P{X≤4}，P{X>8}；已知P{X>a}=0.4，求a。 p1=unifcdf(4,3,10) p2=1-unifcdf(8,3,10) p11=cdf('unif',4,3,10) p22=1-cdf('unif',8,3,10) unifinv(0.6,3,10) icdf('unif',0.6,3,10) p1 =
伯努利方程实验 一、目的和要求 1、 熟悉流体流动中各种能量和压头的概念及其相互转换关系，在此基础上，掌握柏努利方程； 2、 观察流速变化的规律； 3、观察各项压头变化的规律。 二、实验原理 1、流体在流动中具有三种机械能：位能、动能、静压能。当管路条件如管道位置高低、管径大小等发生变化时，这三种机械能就会相应改变以及相互转换。 2、如图所示，不可压缩流体在导管中做稳态流动，由界面1-1’流入，经粗细不同或位置高低不同的管道，由截面2-2’流出：以单位质量流体为基准，机械能衡算式为： 式中：u l 、u 2一分别为液体管道上游的某截面和下游某截面处的流速，m ／s ； P 1、P 2一分别为流体在管道上游截面和下游截面处的压强，Pa ； z l 、z 2一分别为流体在管道上游截面和下游截面中心至基准水平的垂直距离，m; ρ一流体密度，Kg ／m 3 ； g 一重力加速度，m ／s 2 ； ∑h f 一流体两截面之间消耗的能量，J ／Kg 。 3、∑h f 是流体在流动过程中损失的机械能，对于实际流体，由于存在内摩擦，流体在流动中总有一部分机械能随摩擦和碰撞转化为热能损耗（不能恢复），因此各截面上的机械能总和不相等，两者之差就是流体在这两截面之间流动时损失的机械能。 4、对于理想流体（实际上并不存在真正的理想流体，而是一种假设，对解决工程实际问题有重要意义），不存在因摩擦而产生的机械能损失，因此在管内稳定流动时，若无外加能量，得伯努利方程： 22112212 22u p u p z g z g ρρ ++=++式② 表示1kg 理想流体在各截面上所具有的总机械能相等，但各截面上每一种形式的机械能并不一定相等，各种形式的机械能可以相互转换。式①时伯努利方程的引伸，习惯上也称为伯努利方程（工程伯努利方程）。 5、流体静止，此时得到静力学方程式： 1 2 1221 () p p z g z g P P gh ρρ ρ + =+ =+或式③ 所以流体静止状态仅为流动状态一种特殊形式。 6、将式①中每项除以g ，可得以单位重量流体为基准的机械能守恒方程： 22 112212 22f u p u p z g z g h ρρ ++=+++∑式① 22112212 f u p u p z z H ++=+++式④
《概率论与数理统计》课程教学大纲 （2002年制定 2004年修订） 课程编号： 英文名：Probability Theory and Mathematical Statistics 课程类别：学科基础课 前置课：高等数学 后置课：计量经济学、抽样调查、试验设计、贝叶斯统计、非参数估计、统计分析软件、时间序列分析、统计预测与决策、多元统计分析、风险理论 学分：5学分 课时：85课时 修读对象：统计学专业学生 主讲教师：杨益民等 选定教材：盛骤等，概率论与数理统计，北京：高等教育出版社，2001年（第三版） 课程概述： 本课程是统计学专业的学科基础课，是研究随机现象统计规律性的一门数学课程，其理论及方法与数学其它分支、相互交叉、渗透，已经成为许多自然科学学科、社会与经济科学学科、管理学科重要的理论工具。由于其具有很强的应用性，特别是随着统计应用软件的普及和完善，使其应用面几乎涵盖了自然科学和社会科学的所有领域。本课程是统计专业学生打开统计之门的一把金钥匙，也是经济类各专业研究生招生考试的重要专业基础课。本课程由概率论与数理统计两部分组成。概率论部分侧重于理论探讨，介绍概率论的基本概念，建立一系列定理和公式，寻求解决统计和随机过程问题的方法。其中包括随机事件和概率、随机变量及其分布、随机变量的数字特征、大数定律和中心极限定理等内容；数理统计部分则是以概率论作为理论基础，研究如何对试验结果进行统计推断。包括数理统计的基本概念、参数统计、假设检验、非参数检验、方差分析和回归分析等。 教学目的： 通过本课程的学习，要求能够理解随机事件、样本空间与随机变量的基本概念，掌握概率的运算公式，常见的各种随机变量（如0－1分布、二项分布、泊松（Poisson）分布、均匀分布、正态分布、指数分布等）的表述、性质、数字特征及其应用，一维随机变量函数的分布、二维随机变量的和分布、顺序统计量的分布。理解数学期望、方差、协方差与相关系数的本质涵义，掌握数学期望、方差、协方差与相关系数的性质，熟练运用各种计算公式。了解大数定律和中心极限定量的内容及应用，熟悉数据处理、数据分析、数据推断的各种基本方法，能用所掌握的方法具体解决所遇到的各种社会经济问题，为学生进一步学习统计专业课打下坚实的基础。 教学方法： 本课程具有很强的应用性，在教学过程中要注意理论联系实际，从实际问题出发，通过抽象、概括，引出新的概念。由于本课程是研究随机现象的科学，学生之前从未接触过，学习起来会感到难度较大，授课时应突出重点，讲清难点。要使学生明白，本课程主要研究哪些方面的问题，从何角度、用何原理和方法进行研究的，是怎样研究的，得到哪些结论，如何用这些方法和结论处理今后遇到的社会经济问题。在教育中要坚持以人为本，全面体现学生的主体地位，教师应充分发挥引导作用，注意随时根据学生的理解状况调整教学进度。授课要体现两方面的作用：一是为学生自学准备必要的理论知识和方法，二是激发学生学习兴趣，引导学生自学。在教学中要体现计算机辅助
线性回归实验报告（三） 实验目的：通过本次实验，了解matlab和spss在非参数检验中的应用，学会用matlab和spss做非参数假设检验，主要包括单样本和多样本非参数假设检验。 实验内容： 1.单样本假设检验； 2.多样本假设检验. 实验结果与分析： 1.单样本K-S儿童身高 操作步骤： ⑴分析-非参数检验-旧对话框-1-样本KS； ⑵将“周岁儿童身高”变换到检验变量列表，由于样本量太少，点击精确按钮，选择精确检验方法； ⑶回到K-S检验对话框，点击选项按钮，设置输出参数，勾选描述性和四分位数； ⑷输出检验结果。 从图形特征上看，儿童身高的分布非常接近正态分布，但是仍需要用K-S来检验
诊断。 结论：K-S检验统计量Z值为0.936，显著性为0.344，大于显著性水平0.05，所以不能拒绝原假设，认为周岁儿童的身高服从正态分布。 2.单样本游程——电缆 操作步骤： ⑴分析-非参数检验-旧对话框-游程； ⑵将“耐电压值”变换到检验变量列表； ⑶回到游程检验对话框，点击选项按钮，设置输出参数，勾选描述性和四分位数； ⑷输出检验结果。
结论：中位数渐进显著性为0.491，平均数和众数为1，大于显著性水平0.05，所以不能拒绝原假设，所以该组电缆耐电压值是随机的。 3.多独立样本——儿童身高 操作步骤： ⑴分析-非参数检验-旧对话框-K个独立样本检验； ⑵将“周岁儿童身高”变换到检验变量列表；将“城市标志”变换到分组变量，设置分组变量范围； ⑶回到多独立样本检验对话框，点击选项按钮，设置输出参数，勾选描述性和四分位数； ⑷输出检验结果。
结论：多个样本的K-W检验，即秩和检验目的是看各总体的位置参数是否一样，渐近显著性值为0.003，小于显著性水平0.05，所以拒绝原假设，因而四个城市儿童身高的分布存在显著性差异。 4.多样本配对——促销方式 操作步骤： ⑴分析-非参数检验-旧对话框-K个相关样本检验； ⑵将“促销形式1”、“促销形式2”、“促销形式3”变换到检验变量列表； ⑶回到多个关联样本检验对话框，点击选项按钮，设置输出参数，勾选描述性和四分位数； ⑷输出检验结果。
概率统计实验报告 班级16030 学号16030 姓名 2018 年1 月3 日
1、 问题概述和分析 （1） 实验内容说明： 题目12、（综合性实验）分析验证中心极限定理的基本结论: “大量独立同分布随机变量的和的分布近似服从正态分布”。 （2） 本门课程与实验的相关内容 大数定理及中心极限定理； 二项分布。 （3） 实验目的 分析验证中心极限定理的基本结论。 2、实验设计总体思路 2.1、引论 在很多实际问题中，我们会常遇到这样的随机变量，它是由大量的相互独立的随机 因素的综合影响而形成的，而其中每一个个别因素在总的影响中所起的作用是微小的，这种随机变量往往近似的服从正态分布。 2.2、 实验主题部分 2.2.1、实验设计思路 1、 理论分析 设随机变量X1，X2，......Xn ，......独立同分布，并且具有有限的数学期望和方差：E(Xi)=μ，D(Xi)=σ2(k=1,2....)，则对任意x ，分布函数 满足 该定理说明，当n 很大时，随机变量 近似地服从标准正 态分布N(0，1)。因此，当n 很大时， 近似地服从正 态分布N(n μ，n σ2)． 2、实现方法（写清具体实施步骤及其依据） (1) 产生服从二项分布),10(p b 的n 个随机数, 取2.0=p , 50=n , 计算n 个随 机数之和y 以及 ) 1(1010p np np y --; 依据：n 足够大，且该二项分布具有有限的数学期望和方差。 (2) 将(1)重复1000=m 组, 并用这m 组 ) 1(1010p np np y --的数据作频率直方图进 行观察. 依据：通过大量数据验证随机变量的分布，且符合极限中心定理。
伯努利方程仪实验报告 实验人 XXX 合作者 XXX 合作者 XXX XX年X月XX日 一、实验目的 1.观察流体流经能量方程试验管的能量转化情况，对实验中出现的现象进行分析，加深对能量方程的理解； 2.掌握一种测量流体流速的原理； 3.验证静压原理。 二、实验设备 本实验台由压差板、实验管道、水泵、实验桌和计量水箱等组成。 图- 1伯努利方程实验台 1.水箱及潜水泵 2.上水管 3.电源 4.溢流管 5.整流栅 6.溢流板 7.定压水箱 8.实验细管 9. 实验粗管10.测压管11.调节阀12.接水箱14回水管15.实验桌 1
三、 实验前的准备工作： 1．全开溢流水阀门 2．稍开给水阀门 3．将回水管放于计量水箱的回水侧 4．接好各导压胶管 5．检验压差板是否与水平线垂直 6． 启动电泵，使水作冲出性循环,检查各处是否有漏水的现象。 四、 几种实验方法和要求： 1. 验证静压原理： 启动电泵，关闭给水阀，此时能量方程试验管上各个测压管的液柱高度相同，因管内的水不流动没有流动损失，因此静水头的连线为一平行基准线的水平线，即在静止不可压缩均匀重力流体中，任意点单位重量的位势能和压力势能之和（总势能）保持不变，测点的高度和测点位置的前后无关，记下四组数据于表-2的最下方格中。从表-2中可以看出，当水没有流动时，测得的的静水压头基本上都是35.5cm ，验证了同一水平面上静压相等。 2. 测速： 能量方程试验管上的四组测压管的任一组都相当于一个毕托管，可测得管内任一点的流体点速度，本试验已将测压管开口位置在能量方程试验管的轴心，故所测得的动压为轴心处的，即最大速度。 毕托管求点速度公式： gh V B 2= 利用这一公式和求平均流速公式（F Q V /=）计算某一工况（如表中工况2平均速度栏）各测点处的轴心速度和平均流速得到表-1 表- 1 注：该表中数据由表-2中第一行数据计算得到 从表-1中我可以看到在细管测得的速度大，在粗管测得的速度小；在细管中测得的点速度比平均速度小，这可能是比托管的管嘴没有放在玻璃管管中心，或者比托管管嘴没有正对液体流向，使得总压与静压的差值小于实际值；在粗管测得的点速度比平均速度大，可能是因为在粗管，比托管更容易放在玻璃管中心，测得的点速度比平均速度大是正常的，因为如果是层流的话，流速沿半径方向呈抛物线分布。
《概率论与数理统计》实验报告 学生姓名李樟取 学生班级计算机122 学生学号201205070621 指导教师吴志松 学年学期2013-2014学年第1学期
实验报告一 成绩 日期 年 月 日 实验名称 单个正态总体参数的区间估计 实验性质 综合性 实验目的及要求 1．了解【活动表】的编制方法； 2．掌握【单个正态总体均值Z 估计活动表】的使用方法； 3．掌握【单个正态总体均值t 估计活动表】的使用方法； 4．掌握【单个正态总体方差卡方估计活动表】的使用方法； 5．掌握单个正态总体参数的区间估计方法． 实验原理 利用【Excel 】中提供的统计函数【NORMISINV 】和平方根函数【SQRT 】，编制【单个正态总体均值Z 估计活动表】，在【单个正态总体均值Z 估计活动表】中，只要分别引用或输入【置信水平】、【样本容量】、【样本均值】、【总体标准差】的具体值，就可以得到相应的统计分析结果。 1设总体2~(,)X N μσ，其中2σ已知，12,,,n X X X L 为来自X 的一个样本，12,,,n x x x L 为 样本的观测值 于是得到μ的置信水平为1-α 的置信区间为 利用【Excel 】中提供的统计函数【TINV 】和平方根函数【SQRT 】，编制【单个正态总体均值t 估计活动表】，在【单个正态总体均值t 估计活动表】中，只要分别引用或输入【置信水平】、【样本容量】、【样本均值】、【样本标准差】的具体值，就可以得到相应的统计分析结果。 2.设总体2~(,)X N μσ，其中2 σ未知，12,,,n X X X L 为来自X 的一个样本，12,,,n x x x L 为样本的观测值 整理得 /2/21X z X z n n P αασαμσ? ?=-??? ?-<<+/2||1/X U z P n ασμα????==-??????-
概率论与数理统计数学实验 目录 实验一几个重要的概率分布的MATLAB实现 p2-3实验二数据的统计描述和分析 p4-8实验三参数估计 p9-11实验四假设检验 p12-14实验五方差分析 p15-17实验六回归分析 p18-27
实验一 几个重要的概率分布的MATLAB 实现 实验目的 (1) 学习MATLAB 软件与概率有关的各种计算方法 (2) 会用MATLAB 软件生成几种常见分布的随机数 (3) 通过实验加深对概率密度，分布函数和分位数的理解 Matlab 统计工具箱中提供了约20种概率分布，对每一种分布提供了5种运算功能，下表给出了常见8种分布对应的Matlab 命令字符，表2给出了每一种运算功能所对应的Matlab 命令字符。当需要某一分布的某类运算功能时，将分布字符与功能字符连接起来，就得到所要的命令。 例1 求正态分布()2,1-N ，在x=处的概率密度。 解：在MATLAB 命令窗口中输入： normpdf,-1,2) 结果为： 例2 求泊松分布()3P ，在k=5，6，7处的概率。 解：在MATLAB 命令窗口中输入： poisspdf([5 6 7],3) 结果为： 例3 设X 服从均匀分布()3,1U ，计算{}225P X .-<<。 解：在MATLAB 命令窗口中输入： unifcdf,1,3)-unifcdf(-2,1,3) 结果为：
例4 求概率995.0=α的正态分布()2,1N 的分位数αX 。 解：在MATLAB 命令窗口中输入： norminv,1,2) 结果为： 例5 求t 分布()10t 的期望和方差。 解：在MATLAB 命令窗口中输入： [m,v]=tstat(10) m = 0 v = 例6 生成一个2*3阶正态分布的随机矩阵。其中，第一行3个数分别服从均值为1，2，3；第二行3个数分别服从均值为4，5，6，且标准差均为的正态分布。 解：在MATLAB 命令窗口中输入： A=normrnd([1 2 3;4 5 6],,2,3) A = 例7 生成一个2*3阶服从均匀分布()3,1U 的随机矩阵。 解：在MATLAB 命令窗口中输入： B=unifrnd(1,3,2,3) B = 注：对于标准正态分布，可用命令randn(m,n);对于均匀分布()1,0U ,可用命令rand(m,n)。
概率论与数理统计 实验报告 概率论部分实验二 《正态分布综合实验》
实验名称：正态分布综合实验 实验目的：通过本次实验，了解Matlab在概率与数理统计领域的应用，学会用matlab做概率密度曲线，概率分布曲线，直方图，累计百分比曲线等简单应用；同时加深对正态分布的认识，以更好得应用之。 实验内容： 实验分析： 本次实验主要需要运用一些matlab函数，如正态分布随机数发生器normrnd函数、绘制直方图函数hist函数、正态分布密度函数图形绘制函数normpdf函数、正态分布分步函数图形绘制函数normcdf等；同时，考虑到本次实验重复性明显，如，分别生成100,1000,10000个服从正态分布的随机数，进行相同的实验操作，故通过数组和循环可以简化整个实验的操作流程，因此，本次实验程序中要设置数组和循环变量。 实验过程： 1.直方图与累计百分比曲线 1）实验程序 m=[100,1000,10000]; 产生随机数的个数 n=[2,1,0.5]; 组距 for j=1:3 for k=1:3 x=normrnd(6,1,m(j),1); 生成期望为6，方差为1的m(j)个 正态分布随机数
a=min(x); a为生成随机数的最小值 b=max(x); b为生成随机数的最大值 c=(b-a)/n(k); c为按n(k)组距应该分成的组数 subplot(1,2,1); 图形窗口分两份 hist(x,c);xlabel('频数分布图'); 在第一份里绘制频数直方图 yy=hist(x,c)/1000; yy为各个分组的频率 s=[]; s(1)=yy(1); for i=2:length(yy) s(i)=s(i-1)+yy(i); end s[]数组存储累计百分比 x=linspace(a,b,c); subplot(1,2,2); 在第二个图形位置绘制累计百分 比曲线 plot(x,s,x,s);xlabel('累积百分比曲线'); grid on; 加网格 figure; 另行开辟图形窗口，为下一个循 环做准备 end end 2）实验结论及过程截图 实验结果以图像形式展示，以下分别为产生100,1000,10000个正态分布随机数，组距分别为2,1,0.5的频数分布直方图和累积百分比曲线，从实验结果看来，随着产生随机数的数目增多，组距减小，累计直方图逐渐逼近正态分布密度函数图像，累计百分比逐渐逼近正态分布分布函数图像。
数学实验四（概率论） 一．用MATLAB 计算随机变量的分布 1．用MA TLAB 计算二项分布 当随变量(),X B n p 时，在MATLAB 中用命令函数 (,,)Px binopdf X n p = 计算某事件发生的概率为p 的n 重贝努利试验中，该事件发生的次数为X 的概率。 例1 在一级品率为0.2的大批产品中，随机地抽取20个产品，求其中有2个一级品的概率。 解 在MATLAB 中，输入 >>clear >> Px=binopdf(2,20,0.2) Px = 0.1369 即所求概率为0.1369。 2．用MA TLAB 计算泊松分布 当随变量()X P λ 时，在MATLAB 中用命令函数 (,)P poisspdf x lambda = 计算服从参数为lambda 的泊松分布的随机变量取值x 的概率。用命令函数 (,)P poisscdf x lambda = 计算服从参数为lambda 的泊松分布的随机变量在[]0,x 取值的概率。 例2 用MATLAB 计算：保险公司售出某种寿险保单2500份.已知此项寿险每单需交保费120元,当被保人一年内死亡时,其家属可以从保险公司获得2万元的赔偿(即保额为2万元).若此类被保人一年内死亡的概率0.002,试求: (1)保险公司的此项寿险亏损的概率; (2)保险公司从此项寿险获利不少于10万元的概率; (3)获利不少于20万元的概率. 利用泊松分布计算. 25000.0025np λ==?= (1) P(保险公司亏本)= ()()15 250025000(3020)1(15)10.0020.998k k k k P X P X C -=-<=-≤=- ?∑ =15 5 051! k k e k -=-∑ 在MATLAB 中，输入 >> clear >> P1=poisscdf(15,5) P1 = 0． 9999 即 15 5 05! k k e k -=∑= P1 =0．9999 故 P(保险公司亏本)=1-0.9999=0.0001
不可压缩流体能量方程(伯努利方程)实验 一、实验目的要求： 1、掌握流速、流量、压强等动水力学水力要素的实验量测技术； 2、验证流体定常流的能量方程； 3、通过对动水力学诸多水力现象的实验分析研究，进一步掌握有压管流中动水力学的能量转换特性。 本实验的装置如图所示，图中： 1.自循环供水器； 2.实验台； 3.可控硅无级调速器； 4.溢流板； 5.稳水孔板； 6.恒压水箱； 7.测压计； 8.滑动测量尺； 9.测压管；10.实验管道；11.测压点；12.毕托管;13.实验流量调节阀 三、实验原理： 在实验管路中沿水流方向取n个过水截面。可以列出进口截面(1)至截面(i)的能量方程式 1
2 （i=2,3,.....,，n) W i h g g p Z g g p Z i i i -+++=++1222 2111νρν ρ 选好基准面，从已设置的各截面的测压管中读出 g p Z ρ+ 值,测出通过管路的流量,即可计 算出截面平均流速ν及动压g 22 ν，从而可得到各截面测管水头和总水头。 四、实验方法与步骤： 1、熟悉实验设备，分清各测压管与各测压点，毕托管测点的对应关系。 2、打开开关供水，使水箱充水，待水箱溢流后，检查泄水阀关闭时所有测压管水面是否齐平，若不平则进行排气调平(开关几次）。 3、打开阀13，观察测压管水头线和总水头线的变化趋势及位置水头、压强水头之间的 相互关系，观察当流量增加或减少时测压管水头的变化情况。 4、调节阀13开度，待流量稳定后，测记各测压管液面读数，同时测记实验流量(与毕托管相连通的是演示用，不必测记读数)。 5、再调节阀13开度1～2次，其中一次阀门开度大到使液面降到标尺最低点为限，按第4步重复测量。 五、实验结果及要求： 1、把有关常数记入表2.1。 2、量测( g p Z ρ+ )并记入表2.2。 3、计算流速水头和总水头。 表2．1 有关常数计录表水箱液面高程0?___cm ，上管道轴线高程z ?_____cm ．
概率论与数理统计实验报告 一、实验目的 1.学会用matlab求密度函数与分布函数 2.熟悉matlab中用于描述性统计的基本操作与命令 3.学会matlab进行参数估计与假设检验的基本命令与操作 二、实验步骤与结果 概率论部分： 实验名称：各种分布的密度函数与分布函数 实验内容： 1.选择三种常见随机变量的分布，计算它们的方差与期望<参数自己设 定）。 2.向空中抛硬币100次，落下为正面的概率为0.5,。记正面向上的次数 为x， （1）计算x=45和x<45的概率， （2）给出随机数x的概率累积分布图像和概率密度图像。 3.比较t(10>分布和标准正态分布的图像<要求写出程序并作图）。 程序： 1.计算三种随机变量分布的方差与期望 [m0,v0]=binostat(10,0.3> %二项分布，取n=10,p=0.3 [m1,v1]=poisstat(5> %泊松分布，取lambda=5 [m2,v2]=normstat(1,0.12> %正态分布，取u=1,sigma=0.12 计算结果： m0 =3 v0 =2.1000 m1 =5 v1 =5 m2 =1 v2 =0.0144 2.计算x=45和x<45的概率，并绘图 Px=binopdf(45,100,0.5> %x=45的概率 Fx=binocdf(45,100,0.5> %x<45的概率 x=1:100。 p1=binopdf(x,100,0.5>。 p2=binocdf(x,100,0.5>。 subplot(2,1,1>
plot(x,p1> title('概率密度图像'> subplot(2,1,2> plot(x,p2> title('概率累积分布图像'> 结果： Px =0.0485 Fx =0.1841 3.t(10>分布与标准正态分布的图像 subplot(2,1,1> ezplot('1/sqrt(2*pi>*exp(-1/2*x^2>',[-6,6]> title('标准正态分布概率密度曲线图'> subplot(2,1,2> ezplot('gamma((10+1>/2>/(sqrt(10*pi>*gamma(10/2>>*(1+x^2/10>^(-(10+1>/2>',[-6,6]>。b5E2RGbCAP title('t(10>分布概率密度曲线图'> 结果：
《概率统计》实验报告 实验人员：系（班）:矿业工程系机械设计制造及其自动化1404班 学号:20141804408 姓名:李君阳 实验地点：电教楼四层三号机房 实验名称：《概率统计》 实验时间：2016.5.10，2016.5.17 16：30——18：30. 实验目的：1.加强学生的动手能力，让学生掌握对MATLAB 软件的应用。 2.为以后的数学计算节省时间，提高精确度，准确度，合理的利用科学技术。 实验内容：（给出实验程序与运行结果） 一、古典概型 2、在50个产品中有18个一级品，32个二级品，从中任意抽取30个，求其中恰有20个二级品的概率. 解：p=C 3220C 1810c 5030=0.2096 >> p=nchoosek(32,20)*nchoosek(18,10)/nchoosek(50,30) p = 0.2096 二、计算概率 1、某人进行射击，设每次射击的命中率为0.02，独立射击200次，试求至少击中两次的概率. 2、一铸件的砂眼（缺陷）数服从参数为0.5的泊松分布，求此铸件上至多有1个砂眼的概率和至少有2个砂眼的概率. 解：1.p=1-c 2000?0.98400-c 2001*0.98199*0.02=0.1458 >> p=binopdf(2,200,0.02) p = 0.1458 2.P(ζ=0)= 5.00 *!05.0-e P(ζ=1)= 5.01*!15.0-e P(ζ1)=0.9098 P(ζ)=0.0902 4、设随机变量()23,2X N ，求()25P X <<；()2P X > 解：P(2
中国石油大学（华东）工程流体力学实验报告 实验日期：2014.12.11成绩： 班级：石工12-09学号：12021409姓名：陈相君教师：李成华 同组者：魏晓彤，刘海飞 实验二、能量方程（伯诺利方程）实验 一、实验目的 1．验证实际流体稳定流的能量方程； 2．通过对诸多动水水力现象的实验分析，理解能量转换特性； 3．掌握流速、流量、压强等水力要素的实验量测技能。 二、实验装置 本实验的装置如图2-1所示。 图2-1 自循环伯诺利方程实验装置 1.自循环供水器； 2.实验台； 3.可控硅无极调速器；4溢流板；5.稳水孔板； 6.恒压水箱； 7.测压机；8滑动测量尺；9.测压管；10.试验管道； 11.测压点；12皮托管；13.试验流量调节阀 说明 本仪器测压管有两种： （1）皮托管测压管（表2-1中标﹡的测压管），用以测读皮托管探头对准点的总水头； （2）普通测压管（表2-1未标﹡者），用以定量量测测压管水头。 实验流量用阀13调节，流量由调节阀13测量。
三、实验原理 在实验管路中沿管内水流方向取n 个过水断面。可以列出进口断面（1）至另一断面（i ）的能量方程式（i =2,3,…,n ） i w i i i i h g v p z g p z -++ + =+ + 1222 2 111 1αγυαγ 取12n 1a a a ==???==，选好基准面，从已设置的各断面的测压管中读出 z+p/r 值，测 出透过管路的流量，即可计算出断面平均流速，从而即可得到各断面测压管水头和总水头。 四、实验要求 1．记录有关常数实验装置编号 No._4____ 均匀段1d = 1.40-210m ?；缩管段2d =1.01-210m ?；扩管段3d =2.00-2 10m ?； 水箱液面高程0?= 47.6-2 10m ?；上管道轴线高程z ?=19 -2 10m ? （基准面选在标尺的零点上） 2．量测（p z γ + ）并记入表2-2。 注：i i i p h z γ =+ 为测压管水头，单位：-2 10m ，i 为测点编号。 3．计算流速水头和总水头。
伯努利方程实验 一、实验目的： 1.通过实验，加深对伯努利方程式及能量之间转换的了解。 2.观察水流沿程的能量变化，并了解其几何意义。 3.了解压头损失大小的影响因素。 二、实验原理： 在流体流动过程中，用带小孔的测压管测量管路中流体流动过程中各点的能量变化。当测压管的小孔正对着流体的流动方向时，此时测得的是管路中各点的 动压头和静压头的总和，即 以单位质量流体为衡算基来研究流体流动的能量守恒与转化规律。对于不可压缩流体，在导管内作稳态流动时，则对确定的系统即可列出机械能衡算方程： ∑+++=+++f e h p gZ p u Z ρ ωρ22 2212112u 2g 当测压管的小孔垂直于流体的流动方向时，此时测得的是管路中各点的静压 头的值，即 。 将在同一流量下测得的hA 、hB 值描在 坐标上，可以直观看出流速与管径的关系。 比较不同流量下的hA 值，可以直观看出沿程的能量损失，以及总能量损失与流量、流速的关系。通过hB 的关系曲线，可以得出在突然扩大、突然缩小处动能与静压能的转换。 三．实验装置
四．实验步骤 1.将低位槽灌有一定数量的蒸馏水，关闭离心泵出口上水阀及实验测试导管出口流量调节阀和排气阀、排水阀，打开回水阀和循环水阀而后启动离心泵。 2.逐步开大离心泵出口上水阀当高位槽溢流管有液体溢流后，利用流量调节阀出水的流量。 3.流体稳定后读取并记录各点数据。 4.关小流量调节阀重复步骤。 5.分析讨论流体流过不同位置处的能量转换关系并得出结果。 6.关闭离心泵，实验结束。 五．实验注意事项： 1.测记压头读数时，必须保持水位恒定。 2.注意测压管内无气泡时，方可开始读数。 3.测压管液面有波动时，读数取平均值为宜。 4.阀门开关要缓慢，否则影响实验结果。 六．数据处理
实验四方差分析和回归分析 四、实验结果 1、用5种不同的施肥方案分别得到某种农作物的收获量（kg）如右： α0.05下，检验施肥方案对农作物的收获量是否有显著影响． 在显著性水平= >> X=[67 67 55 42 98 96 91 66 60 69 50 35 79 64 81 70 90 70 79 88]; group=[ones(1,4),2*ones(1,4),3*ones(1,4),4*ones(1,4),5*ones(1,4)]; [p,table,stats] = anova1(X,group,'on') p = 0.0039 table = 'Source' 'SS' 'df' 'MS' 'F' 'Prob>F' 'Groups' [3.5363e+03] [ 4] [884.0750] [6.1330] [0.0039] 'Error' [2.1622e+03] [15] [144.1500] [] [] 'Total' [5.6985e+03] [19] [] [] [] stats = gnames: {5x1 cell} n: [4 4 4 4 4] source: 'anova1'
means: [57.7500 87.7500 53.5000 73.5000 81.7500] df: 15 s: 12.0062 因为p=0.0039<0.05，所以施肥方案对农作物的收获量有显著影响。且由箱型图可知：第2种施肥方案对对农作物的收获量的影响最好，即产量最高。 2、某粮食加工产试验三种储藏方法对粮食含水率有无显著影响，现取一批粮食分成若干份，分别用三种不同的方法储藏，过段时间后测得的含水率如右表： 在显著性水平=α0.05下，i x 检验储藏方法对含水率有无显著的影响．
概率统计实验报告 （1）实验内容说明：（验证性实验）使用Matlab软件绘制正态分布、指数分布、均匀分布密度函数图象。 （2）本门课程与实验的相关内容：本实验与教材中第二章“随机变量及其分布”相关，通过matlab中的函数来绘制第二章中学过的几种重要的连续型随机变量概率密度函数图像。（3）实验目的：通过本实验学习一些经常使用的统计数据的作图命令，提高进行实验数据处理和作图分析的能力。 2、实验设计总体思路 2.1、引论 利用教材中的相关知识，通过Matlab来绘制正态分布、指数分布、均匀分布密度函数图象，从而加深对概率统计知识的理解，并提高进行实验数据处理和作图分析的能力。 2.2、实验主题部分 2.2.1、实验设计思路 1、理论分析 1.参数为μ和σ2的正态分布的概率密度函数是： 可以用函数normpdf计算正态分布的概率密度函数值，调用格式： y=normpdf(x, mu, sigma) %输入参数可以是标量、向量、矩阵。 2.参数为μ的指数分布的概率密度函数是: 可以用函数exppdf计算指数分布的概率密度函数值，调用格式： y=exppdf(x, mu) % 输入参数可以是标量、向量或矩阵。 3.参数为a, b的均匀分布的概率密度函数是： 可以用函数exppdf计算均匀分布的概率密度函数值，调用格式： y=unifpdf(x, a, b) %输入参数可以是标量、向量、矩阵。 最后调用plot函数绘制图像。 1、实现方法
1.x=a:0.1:b % 将区间[a,b]以 0.1 为步长等分, 赋给变量 x 2.通过调用函数normpdf、exppdf、unifpdf分别计算出对应的概率密度函数。 3.调用函数plot绘制图像。 2.2.2、实验结果及分析 绘制分别服从均值是0, 标准差分别是0.5，1， 1.5的正态分布概率密度函数图像：