Matlab-概率论与数理统计

第8章M a t l a b在概率统计中的应用概率论与数理统计是研究和应用随机现象统计规律性的一门数学科学。

其应用十分广泛，几乎遍及所有科学领域、工农业生产和国民经济各部门。

本章将利用Matlab 来解决概率统计学中的概率分布、数字特征、参数估计以及假设检验等问题。

8.1数据分析8.1.1几种均值在给定的一组数据中，要进行各种均值的计算，在Matlab 中可由以下函数实现。

mean 算术平均值函数。

对于向量X，mean (X) 得到它的元素的算术平均值；对于矩阵，mean (X)得到X 各列元素的算术平均值，返回一个行向量。

nanmean 求忽略NaN 的随机变量的算术平均值。

geomean 求随机变量的几何平均值。

harmmean 求随机变量的和谐平均值。

trimmean 求随机变量的调和平均值。

8.1.2数据比较在给定的一组数据中，还常要对它们进行最大、最小、中值的查找或对它们排序等操作。

Mtalab 中也有这样的功能函数。

max 求随机变量的最大值元素。

nanmax 求随机变量的忽略NaN 的最大值元素。

min 求随机变量的最小值元素。

nanmin 求随机变量的忽略NaN 的最小值元素。

median 求随机变量的中值。

nanmedian 求随机变量的忽略NaN 的中值。

mad 求随机变量的绝对差分平均值。

sort 对随机变量由小到大排序。

sortrows 对随机矩阵按首行进行排序。

range 求随机变量的值的范围，即最大值与最小值的差（极差）。

8.1.3累和与累积求向量或矩阵的元素累和或累积运算是比较常用的两类运算，在Matlab 中可由以下函数实现。

sum 若X 为向量，sum (X)为X 中各元素之和，返回一个数值；若X 为矩阵，sum (X)为X 中各列元素之和，返回一个行向量。

nansum 忽略NaN 求向量或矩阵元素的累和。

cumsum 求当前元素与所有前面位置的元素和。

返回与X 同维的向量或矩阵。

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在数理统计中的运用摘要：概率论与数理统计是现代数学的重要分支，近年来随着计算机的普及，概率论在经济，管理，金融，保险，生物，医学等方面都发挥着越来越大的作用。

使得概率统计成为今天各类各专业大学生最重要的数学必修课之一。

然而,传统的概率统计教学过于偏重理论的阐述、公式的推导、繁琐的初等运算;同时,缺乏与计算机的结合,给学生的学习带来很多困难。

本文介绍概率统计中的主要问题在Matlab中的实现,让我们从繁琐的计算中解放出来,把更多的时间和精力用于基本概念和基本理论的思考和方法的创新,从而提高教师的教学效率和学生的学习效率。

关键词：区间估计，matlab，概率统计一、常用概率密度的计算Matlab中计算某种概率分布在指定点的概率密度的函数,都以代表特定概率分布的字母开头,以pdf (probability density function)结尾,例如:unid pdf(X, N):计算1到N上的离散均匀分布在X每一点处的概率密度;poisspdf(X, Lambda):计算参数为Lambda的泊松分布在X每一点处的概率密度;exppdf(X, mu):计算参数为mu的指数分布在X每一点处的概率密度;normpdf(X, mu, sigma):计算参数为mu, sigma的正态分布在X每一点处的概率密度。

其他如连续均匀分布、二项分布、超几何分布等也都有相应的计算概率密度的函数。

除计算概率密度的函数外,Matlab中还有计算累积概率密度、逆概率分布函数及产生服从某分布的随机数的函数,分别以cdf,inv和rnd结尾。

下面我们来用一个具体的例子说明一下：例1：计算正态分布N（0，1）的随机变量X在点0.6578的密度函数值。

解：>> pdf('norm',0.6578,0,1)ans =0.3213例2：自由度为8的卡方分布，在点2.18处的密度函数值。

解：>> pdf('chi2',2.18,8)ans = 0.0363二、随机变量数字特征的计算(一)数学期望与方差对离散型随机变量,可利用Matlab矩阵运算计算出其数学期望和方差;而对于连续型随机变量,则可以利用Matlab符号运行计算。

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。

《概率论与数理统计》MATLAB上机实验实验报告一、实验目的1、熟悉matlab的操作。

了解用matlab解决概率相关问题的方法。

2、增强动手能力，通过完成实验内容增强自己动手能力。

二、实验内容1、列出常见分布的概率密度及分布函数的命令，并操作。

概率密度函数分布函数(累积分布函数) 正态分布normpdf(x,mu,sigma) cd f(‘Normal’,x, mu,sigma);均匀分布（连续）unifpdf(x,a,b) cdf(‘Uniform’,x,a,b);均匀分布（离散）unidpdf(x,n) cdf(‘Discrete Uniform’,x,n);指数分布exppdf(x,a) cdf(‘Exponential’,x,a);几何分布geopdf(x,p) cdf(‘Geometric’,x,p);二项分布binopdf(x,n,p) cdf(‘Binomial’,x,n,p);泊松分布poisspdf(x,n) cdf(‘Poisson’,x,n);2、掷硬币150次，其中正面出现的概率为0.5，这150次中正面出现的次数记为X(1) 试计算X=45的概率和X≤45 的概率；(2) 绘制分布函数图形和概率分布律图形。

答:(1)P(x=45)=pd =3.0945e-07P(x<=45)=cd =5.2943e-07(2)3、用Matlab软件生成服从二项分布的随机数，并验证泊松定理。

用matlab依次生成(n=300,p=0.5),(n=3000,p=0.05),(n=30000,p=0.005)的二项分布随机数，以及参数λ=150的泊松分布，并作出图线如下。

由此可以见得，随着n的增大，二项分布与泊松分布的概率密度函数几乎重合。

因此当n足够大时，可以认为泊松分布与二项分布一致。

4、 设22221),(y x e y x f +−=π是一个二维随机变量的联合概率密度函数，画出这一函数的联合概率密度图像。

第8章 Matlab在概率统计中的应用概率论与数理统计是研究和应用随机现象统计规律性的一门数学科学。

其应用十分广泛，几乎遍及所有科学领域、工农业生产和国民经济各部门。

本章将利用Matlab来解决概率统计学中的概率分布、数字特征、参数估计以及假设检验等问题。

8.1 数据分析8.1.1 几种均值在给定的一组数据中，要进行各种均值的计算，在Matlab中可由以下函数实现。

mean 算术平均值函数。

对于向量X，mean (X) 得到它的元素的算术平均值；对于矩阵，mean (X)得到X各列元素的算术平均值，返回一个行向量。

nanmean 求忽略NaN的随机变量的算术平均值。

geomean 求随机变量的几何平均值。

harmmean 求随机变量的和谐平均值。

trimmean 求随机变量的调和平均值。

8.1.2 数据比较在给定的一组数据中，还常要对它们进行最大、最小、中值的查找或对它们排序等操作。

Mtalab中也有这样的功能函数。

max 求随机变量的最大值元素。

nanmax 求随机变量的忽略NaN的最大值元素。

min 求随机变量的最小值元素。

nanmin 求随机变量的忽略NaN的最小值元素。

median 求随机变量的中值。

nanmedian 求随机变量的忽略NaN的中值。

mad 求随机变量的绝对差分平均值。

sort 对随机变量由小到大排序。

sortrows 对随机矩阵按首行进行排序。

range 求随机变量的值的范围，即最大值与最小值的差（极差）。

8.1.3 累和与累积求向量或矩阵的元素累和或累积运算是比较常用的两类运算，在Matlab中可由以下函数实现。

sum 若X为向量，sum (X)为X中各元素之和，返回一个数值；若X为矩阵，sum (X)为X中各列元素之和，返回一个行向量。

nansum 忽略NaN求向量或矩阵元素的累和。

cumsum 求当前元素与所有前面位置的元素和。

返回与X同维的向量或矩阵。

cumtrapz 梯形累和函数。

第9章 概率论与数理统计的MATLAB 实现MATLAB 总包提供了一些进行数据统计分析的函数，但不完整。

利用MATLAB 统计工具箱，可以进行基本概率和数理统计分析，以及进行比较复杂的多元统计分析。

本章主要针对大学本科的概率统计课程介绍工具箱的部分功能。

9.1 随机变量及其分布利用统计工具箱提供的函数，可以比较方便地计算随机变量的分布律（概率密度函数）和分布函数。

9.1.1 离散型随机变量及其分布律如果随机变量全部可能取到的不相同的值是有限个或可列个无限多个，则称为离散型随机变量。

MATLAB 提供的计算常见离散型随机变量分布律的函数及调用格式： 函数调用格式(对应的分布) 分布律y=binopdf(x,n,p)(二项分布) )()1(),|(),,1,0(x I p p x n p n x f n xn x --⎪⎪⎭⎫ ⎝⎛=y=geopdf(x,p)(几何分布) xp p p x f )1()|(-= ),1,0( =xy=hygepdf(x,M,K,n)(超几何分布) ⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫ ⎝⎛--⎪⎪⎭⎫ ⎝⎛=n M x n K M x K n K M x f ),,|(y=poisspdf(x,lambda)(泊松分布) λλλ-=e x x f x !)|(),1,0( =x y=unidpdf(x,n)(离散均匀分布) NN x f 1)|(=9.1.2 连续型随机变量及其概率密度对于随机变量X 的分布函数)(x F ，如果存在非负函数)(x f ，使对于任意实数x 有⎰∞-=x dt t f x F )()(则称X 为连续型随机变量，其中函数)(x f 称为X 的概率密度函数。

MA TLAB 提供的计算常见连续型随机变量分布概率密度函数的函数及调用格式：函数调用格式(对应的分布) 概率密度函数y=betapdf(x,a,b)(β分布) )10()1(),(1),|(11<<-=--x x x b a B b a x f b ay=chi2pdf(x,v)(卡方分布) )2(2)|(2212v exv x f v x v Γ=--)0(≥xy=exppdf(x,mu)(指数分布) μμμxe xf -=1)|()0(≥xy=fpdf(x,v1,v2)(F 分布) 2211222121212121111)2()2()2(),|(v v v v v x v x vv v v v v v v x f +-⎪⎪⎭⎫ ⎝⎛+⎪⎪⎭⎫ ⎝⎛ΓΓ+Γ= y=gampdf(x,a,b)(伽马分布) b xa a e x ab b a x f --Γ=1)(1),|()0(≥xy=normpdf(x,mu,sigma)(正态分布) 22)(21),|(σμπσσμ--=x ex fy=lognpdf(x,mu,sigma)(对数正态分布) 22)(ln 21),|(σμπσσμ--=x ex x fy=raylpdf(x,b)(瑞利分布) 222)|(b x e b x b x f -=y=tpdf(x,v)(学生氏t 分布) 2121)2()21()|(+-⎪⎪⎭⎫ ⎝⎛+Γ+Γ=v v x v v v v x f πy=unifpdf(x,a,b)(连续均匀分布) )(1),|(],[x I ab b a x f b a -=y=weibpdf(x,a,b)(威布尔分布) )(),|(),0(1x I eabx b a x f bax b ∞--= 比如，用normpdf 函数计算正态概率密度函数值。