第7章概率和数理统计1概率：又称或然率、机会率、机率（几率）或可能性，是概率论的基本概念。
概率是对随机事件发生的可能性的度量，一般以一个在0到1之间的实数表示一个事件发生的可能性大小。
越接近1，该事件更可能发生；越接近0，则该事件更不可能发生。
人们常说某人有百分之多少的把握能通过这次考试，某件事发生的可能性是多少，这都是概率的实例。
数理统计是伴随着概率论的发展而发展起来的一个数学分支，研究如何有效的收集、整理和分析受随机因素影响的数据，并对所考虑的问题作出推断或预测，为采取某种决策和行动提供依据或建议.2在MATLAB中，提供了专门的统计工具箱Staticstics，该工具箱有几百个专用求解概率和数理统计问题的函数。
7.1 随机数的产生7.2 随机变量的概率密度计算7.3 随机变量的累积概率值(分布函数值)7.4 随机变量的逆累积分布函数7.5 随机变量的数字特征7.6 统计作图3真正的随机数是使用物理现象产生的：比如掷钱币、骰子、转轮、使用电子元件的噪音、核裂变等等。
这样的随机数发生器叫做物理性随机数发生器，它们的缺点是技术要求比较高。
在实际应用中往往使用伪随机数就足够了。
这些数列是“似乎”随机的数，实际上它们是通过一个固定的、可以重复的计算方法产生的。
计算机或计算器产生的随机数有很长的周期性。
它们不真正地随机，因为它们实际上是可以计算出来的，但是它们具有类似于随机数的统计特征。
这样的发生器叫做伪随机数发生器。
在真正关键性的应用中，比如在密码学中，人们一般使用真正的随机数。
57.1 随机数的产生二项分布的随机数据的产生正态分布的随机数据的产生常见分布的随机数产生通用函数求各分布的随机数据67n = 6、p = 0.5时的二项分布以及正态近似二项分布，即重复n 次的伯努利试验，n 个独立的是/非试验中成功的次数的离散概率分布，其中每次试验的成功概率为p 。
二项分布的随机数据的产生•命令参数为N，P的二项随机数据•函数binornd•格式R = binornd(N, P)N、P为二项分布的两个参数，返回服从参数为N、P的二项分布的随机数。
Matlab在《概率论与数理统计》教学中的应用
Matlab提供了丰富的概率分布函数，可以帮助学生更好地理解不同的概率分布。
学生可以使用Matlab生成正态分布、二项分布、泊松分布等不同的概率分布，并画出相应的概率密度函数、累积分布函数等图形。
通过实际的计算和绘图，学生可以更直观地看到不同概率分布的特点，加深对概率分布的理解。
Matlab提供了各种统计函数，可以方便地进行数据的描述性统计和推断性统计。
学生可以使用Matlab计算样本的平均值、方差等描述性统计量，还可以使用Matlab进行假设检验、置信区间估计等推断性统计。
通过实际的计算和分析，学生可以更好地掌握统计学中的概念和方法。
Matlab还可以进行模拟实验，帮助学生理解概率和统计的原理。
学生可以使用Matlab 模拟抛硬币的实验，验证概率的定义和性质。
学生还可以使用Matlab模拟中心极限定理，观察样本均值的分布趋于正态分布的情况。
通过实际的模拟实验，学生可以更深入地理解抽样分布和极限定理等重要概念。
Matlab还可以用于数据的可视化。
学生可以使用Matlab绘制直方图、散点图、箱线图等图形，展示数据的分布和变化。
通过可视化的方式，学生可以更好地理解数据的特点和规律，并能够更直观地展示和解释统计分析的结果。
Matlab在《概率论与数理统计》教学中具有广泛的应用价值。
通过利用Matlab进行计算、模拟和可视化等任务，可以帮助学生更好地理解概率和统计的概念和方法，提高学习效果。
在教学中合理地使用Matlab可以有效地促进学生对概率论与数理统计的学习和理解。
Matlab 概率论与数理统计、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=s in( 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;plot(x,y0, 'r' ,y0,x, plot(x1,y1, 'r' ,x2,y2, yr=u nifrnd (0,60,2,100);plot(yr(1,:),yr(2,:), axis( 'on'); axis( 'square' ); axis([-20 80 -20 80 ]);xv=[0 0 30 60 60 30 0];yv=[0 30 60 60 30 0 0]; fill(xv,yv, 'b');hold on ;'r' ,x,y60, 'r' ,y60,x,'r')'r');'m.')2. 排列组合kC=nchoosek(n,k) : CC n ，例 nchoosek(5,2)=10, nchoosek(6,3)=20.prod(n1:n2):从 n1 至U n2 的连乘【例01.03】至少有两个人生日相同的概率365 364|||(365 rs 1)rs365365 364 365 rs 1 365 365365rs=[20,25,30,35,40,45,50]; %每班的人数p1= on es(1,le ngth(rs)); p2=on es(1,le ngth(rs));%用连乘公式计算for i=1:le ngth(rs) p1(i)=prod(365-rs(i)+1:365)/365A rs(i); end%用公式计算(改进) for i=1:le ngth(rs)for k=365-rs(i)+1:365p2(i)=p2(i)*(k/365); end ; end%用公式计算(取对数) for i=1:le ngth(rs)p1(i)=exp(sum(log(365-rs(i)+1:365))-rs(i)*log(365)); end公式计算P 1n!C NN nN!1 (N n)!1N nN (N 1) (N n 1)、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,sigma42)上的正态分布5. 其它分布随机数三、一维随机变量的概率分布1. 离散型随机变量的分布率(1) 0-1分布(2) 均匀分布_ k k n k(3) 二项分布：binopdf(x,n,p)，若X ~ B(n, p)，则P{X k} C n p (1 p),x=0:9 ;n=9;p=0.3;y= bin opdf(x ,n, p);plot(x,y,'b-',x,y,'r*')y=[ 0.0404, 0.1556, 0.2668, 0.2668, 0.1715, 0.0735, 0.0210, 0.0039, 0.0004, 0.0000 ]当n较大时二项分布近似为正态分布x=0:100; n=100;p=0.3;y= bin opdf(x ,n, p);plot(x,y,'b-',x,y,'r*')ke⑷泊松分布：piosspdf(x, lambda)，若X ~ ()，贝U P{ X k}k!x=0:9; lambda = 3;y= poisspdf (x,lambda);plot(x,y,'b-',x,y,'r*')y=[ 0.0498, 0.1494, 0.2240, 0.2240, 0.1680, 0.1008, 0.0504, 0.0216, 0.0081,0.0027]k 1⑸几何分布：geopdf (x, p)，贝U P{X k} p(1 p)x=0:9;p=0.3y= geopdf(x,p);plot(x,y,'b-',x,y,'r*')y=[ 0.3000, 0.2100, 0.1470, 0.1029, 0.0720, 0.0504, 0.0353, 0.0247, 0.0173, 0.0121 ] x=0:10;N=20;M=8; n=4;y= hygepdf(x,N,M, n); plot(x,y,'b-',x,y,'r*')y=[ 0.1022, 0.3633, 0.3814, 0.1387, 0.0144, 0, 0, 0, 0, 0, 0 ]2. 概率密度函数(1)均匀分布：unifpdf(x,a,b) , f (x)其它a=0;b=1;x=a:0.1:b; y= uni fpdf (x,a,b);1 2 厂(x )2 ■厂ex=-10:0.1:12;mu=1;sigma=4;y= no rmpdf(x,mu,sigma);rn=10000;z= normrnd (mu,sigma,1,rn); % 产生 10000 个正态分布的随机数 d=0.5;a=-10:d:12;b=(hist(z,a)/rn)/d;%以a 为横轴，求出10000个正态分布的随机数的频率(6)超几何分布：hygepdf(x,N,M,n)，则 P{Xk}C k nM CNC N(2)正态分布:normpdf(x,mu,sigma) , f (x)plot(x,y,'b-',a,b,'r.')1 _x⑶指数分布：exppdf(x,mu)， f (x)其它x=0:0.1:10;mu=1/2;■ t京■I_ey= exppdf(x,mu); plot(x,y,'b-',x,y,'r*')1n i F⑷2分布：chi2pdf(x,n) , f (x; n) 2n ^( n 2) % e x 0hold onx=0:0.1:30;n=4;y= chi2pdf(x, n);plot(x,y,'b');%blue n=6;y= chi2pdf(x, n);plot(x,y,'r');%red n=8;y=chi2pdf(x ,n );plot(x,y,'c');%cya n n=10;y= chi2pdf(x, n);plot(x,y,'k');%black lege nd(' n=4', 'n=6', 'n=8', 'n=10');n 1((n 1) 2) x2 2⑸t 分布：tpdf(x,n) , f (x; n) ------------------ 1 -J n (n. 2) nhold onx=-10:0.1:10;n=2;y= tpdf(x, n);plot(x,y,'b');%bluen=6;y= tpdf(x, n);plot(x,y,'r');%redn=10;y= tpdf(x ,n );plot(x,y,'c');%cya nn=20;y= tpdf(x, n);plot(x,y,'k');%black lege nd(' n=2', 'n=6', 'n=10', 'n=20');((m山m 门2n2) 2)小2% 2 1 5 % 2(n2 2) n2n2x 0(6) F 分布：fpdf(x,n1,n2) , f (x; n「n2) (E 2)0 x 0hold onx=0:0.1:10;n1=2; n2=6;y= fpdf(x, n1, n2);plot(x,y,'b');%bluen1=6; n2=10;y= fpdf(x, n1, n2);plot(x,y,'r');%red n1=10; n2=6;y= fpdf(x, n1, n2);plot(x,y,'c');%cyann1=10; n2=10;y= fpdf(x, n1,n 2);plot(x,y,'k');%black legend(' n仁2; n2=6', ' n1= 6; n2=10', ' n仁10;n2=6', ' n仁10; n2=10');3.分布函数F(x) P{X x}【例03.01】求正态分布的累积概率值设X ~ N(3,22)，求 P{2 X 5}, P{ 4 X 10}, P{ X 2}, P{X 3},14.逆分布函数，临界值y F(x) P{X x} , x F (y) , x称之为临界值【例03.02】求标准正态分布的累积概率值y=0:0.01:1;x=normin v(y,0,1);【例03.03】求2(9)分布的累积概率值hold offy=[0.025,0.975];x=ch i2in v(y,9);n=9;x0=0:0.1:30;y0=chi2pdf(x0, n); plot(x0,y0, 'r'); x1=0:0.1:x(1);y1=chi2pdf(x1, n);x2=x(2):0.1:30;y2=chi2pdf(x2 ,n);hold onfill([x1, x(1)],[y1,0], 'b');fill([x(2),x2],[0,y2], 'b');【练习1.1】二项分布、泊松分布、正态分布(1)对n 10, p 0.2二项分布，画出b(n,p)的分布律点和折线；(2)对np，画出泊松分布()的分布律点和折线；(3)对np, 2叩(1 p)，画出正态分布N( , 2)的密度函数曲线;(4)调整n, p，观察折线与曲线的变化趋势。
