掌握概率统计的数学概念和基本方法，能用Matlab软件解决概率统计的问题。
在100个人的团体中，如果不考虑年龄的差异，研究是否有两个以上的人生日相同。假设每人的生日在一年365天中的任意一天是等可能的，那么随机找n个人(不超过365人)。
(1) 求这n个人生日各不相同的概率是多少?从而求这n个人中至少有两个人生日相同这一随机事件发生的概率是多少?用概率统计图来表示。
(2) 近似计算在30名学生的一个班中至少有两个人生日相同的概率是多少？
答：蒙特卡罗方法!!!!可以解决 ,有人生日相同
nn=input('模拟次数');
n=input('n个人:');
k=0;
for kk=1:nn
rr=unidrnd(365,1,n);
rr=sort(rr);
rr=diff(rr);
j=find(rr==0);
if j~=0
k=k+1;
end
end
p=k/nn
(2),nn=150000,n=30
p=
0.7049
又把电脑XX了一遍,算了很久
模拟次数1500000
n个人:30
>>
p =
0.7061
方差等问题：
设总体X服从正态分布N(MU,SIGMA^2)，现有样本容量n=16,均值为12.5，方差s^2=5。
(1)已知总体标准差SIGMA=2，求总体方差MU与样本均值之差不超过0.5的概率；(答案为0.6827)
(2)未知总体标准差SIGMA，求总体方差MU与样本均值之差不超过0.5的概率；（答案为0.6148）
(3)求总体标准差SIGM大于3的概率；（答案为0.0903）
其中(1)小问，我会做。程序命令为：
normcdf(13,12.5,0.5)-normcdf(12,12,5,0.5)
请问（2）、（3）小问，请如何编写MATLAB命令？
多谢。
问题补充：更正一下：
albert_tianjin说的对，(1)(2)小问应该是“总体期望MU与样本均值之差不超过0.5”
抱歉。
再更新一下：
(3)小问已解出，是区间估计的问题。MATLAB程序命令为：
chi2cdf(15*5/9,15)
答：
tcdf(0.5*4/sqrt(5),15)-tcdf(-0.5*4/sqrt(5),15)
ans =
0.6148
(X-MU)*sqrt(n)/SIGMA是服从t(n-1)分布，X，MU为总体期望和样本期望，SIGMA为样本标准差
________________________________
其实第2和3小问是一样的，只要知道所服从的分布就行了
基于概率统计的边缘检测的MATLAB程序（跪求）
悬赏分：20 - 解决时间：2007-6-10 20:30
基于概率统计的边缘检测的MATLAB程序
有程序或资料的大哥发一个给我，谢谢！
posttime=60
if cint(posttime)<>0 then
if not isnull(session("posttime")) or cint(posttime)>0 then
if DateDiff("s",session("posttime"),Now())
response.end
end if
end if
end if
已知概率，用matlab估算次数该怎么算
悬赏分：70 - 解决时间：2009-3-5 11:46
比如游戏系统中对装备的强化
从等级1开始
1>2
100%成功
2>3
80％成功，20失败
然后20％失败后，继续50％概率等级不变，50％概率等级降低1级
后面以此类推
一定概率成功/一定概率失败
失败后 根据设定的概率 降低等级作为惩罚
所有概率都已知，想用matlab算评价要多少次才能到设定等级
答：N=100; %100次挑战
a=0;%从0级开始
for n=1:N
switch a(n)
case 0 %0到1级
a(n+1)=a(n)+1;
case 1 %1到2级
a(n+1)=a(n)+1;
case 2 %2到3级
a(n+1)=a(n)+1;
case 3 %3到4级
x=rand(1);
if x>0.9
a(n+1)=a(n)+1;
else
x=rand(1);
if x<0.4
a(n+1)=a(n)-1; %除1级
elseif x<0.8
a(n+1)=a(n)-2; %除2级
else
a(n+1)=a(n)-3; %除3级
end
end
otherwise %3级以上升级的过程
x=rand(1);
if x>0.9
a(n+1)=a(n)+1;
else
x=rand(1);
if x<0.4
a(n+1)=a(n)-1; %除1级
elseif x<0.8
a(n+1)=a(n)-2; %除2级
else
a(n+1)=a(n)-3; %除3级
end
end
end
end
hist(a,0:10)
泊松分布问题：
例如，已知某随机变量服从lambda为5的泊松分布，b=0.7211 查泊松分布表可知，当x=6时，累积概率=0.7621 离0.7211最接近，怎么用matlab返回6这个值呢？同样地，对于服从正态分布，已知F（y）=0.662 怎么用matlab返回y的值呢？还有对于均匀分布，指数分布的类似问题，如何同matlab解决呢？
>> poissinv(0.7211,5)
ans =
6
Critical Values of Distribution functions.
betainv - Beta inverse cumulative distribution function.
binoinv - Binomial inverse cumulative distribution function.
chi2inv - Chi square inverse cumulative distribution function.
evinv - Extreme value inverse cumulative distribution function.
expinv - Exponential inverse cumulative distribution function.
finv - F inverse cumulative distribution function.
gaminv - Gamma inverse cumulative distribution function.
geoinv - Geometric inverse cumulative distribution function.
gevinv - Generalized extreme value inverse cumulative distribution function.
gpinv - Generalized Pareto inverse cumulative distribution function.
hygeinv - Hypergeometric inverse cumulative distribution function.
icdf - Specified inverse cumulative distribution function.
logninv - Lognormal inverse cumulative distribution function.
nbininv - Negative binomial inverse distribution function.
ncfinv - Noncentral F inverse cumulative distribution function.
nctinv - Noncentral t inverse cumulative distribution function.
ncx2inv - Noncentral Chi-square inverse distribution function.
norminv - Normal (Gaussian) inverse cumulative distribution function.
poissinv - Poisson inverse cumulative distribution function.
raylinv - Rayleigh inverse cumulative distribution function.
tinv - T inverse cumulative distribution function.
unidinv - Discrete uniform inverse cumulative distri
bution function.
unifinv - Uniform inverse cumulative distribution function.
wblinv - Weibull inverse cumulative distribution function.
泊松分布：
用poissrnd(lamda,m,n)产生一个服从lamda分布的m行n列的矩阵，plot画图。
比如：
lamda=2;
r=poissrnd(lamda,1,100);
plot(r,'o')
怎样用MATLAB 画正态分布的概率密度函数图：
fplot('(1/sqrt(2*pi))*exp(-0.5*x^2)',[-4 4],'r');
title('密度函数曲线');
matlab中已知均数和方差 怎么画正态分布函数图?
mu=0;%均值
sigma=1;%标准差
ezplot(@(x)normcdf(x,mu,sigma),[mu-3*sigma,mu+3*sigma])
如何用MATLAB判别所给数据源的概率分布形式
matlab中：
function f=p_judge(A,alpha)
% 本程序用于判别所给数据源在置信率为0.05时的概率分布形式。A的形式为n×1。
[mu,sigma]=normfit(A);
p1=normcdf(A,mu,sigma);
[H1,s1]=kstest(A,[A,p1],alpha)
n=length(A);
if H1==0
disp(\'该数据源服从正态分布。\')
else
disp(\'该数据源不服从正态分布。\')
end
phat=gamfit(A,alpha);
p2=gamcdf(A,phat(1),phat(2));
[H2,s2]=kstest(A,[A,p2],alpha)
if H2==0
disp(\'该数据源服从γ分布。\')
else
disp(\'该数据源不服从γ分布。\')
end
lamda=poissfit(A,alpha);
p3=poisscdf(A,lamda);
[H3,s3]=kstest(A,[A,p3],alpha)
if H3==0
disp(\'该数据源服从泊松分布。\')
else
disp(\'该数据源不服从泊松分布。\')
end
mu=expfit(A,alpha);
p4=expcdf(A,mu);
[H4,s4]=kstest(A,[A,p4],alpha)
if H4==0
disp(\'该数据源服从指数分布。\')
else
disp(\'该数据源不服从指数分布。\')
end
[phat, pci] = raylfit(A, alpha)
p5=raylcdf(A,phat);
[H5,s5]=kstest(A,[A,p5],alpha)
if H5==0
disp(\'该数据源服从rayleigh分布。\')
else
disp(\'该数据源不服从rayleigh分布。\')
end
P= normcdf(X,Mu, Sigma)
其中Mu为均值, Sigma为方差
简单点的 有限个 如何求呢？
P(X<100)+P(X<99)+……+P(X<1)
其中：随机变量X服从正态分布，均值、方差已知
这样不涉及无穷大的问题，上式在Matlab中又如何实现呢？