MATLAB 概率分布函数
统计工具箱函数
Ⅰ-1 概率密度函数
函数名对应分布的概率密度函数
betapdf贝塔分布的概率密度函数
binopdf二项分布的概率密度函数
chi2pdf 卡方分布的概率密度函数exppdf指数分布的概率密度函数
fpdf f分布的概率密度函数
gampdf伽玛分布的概率密度函数
geopdf几何分布的概率密度函数
hygepdf超几何分布的概率密度函数
normpdf正态（高斯）分布的概率密度函数lognpdf对数正态分布的概率密度函数
nbinpdf负二项分布的概率密度函数
ncfpdf非中心f分布的概率密度函数
nctpdf非中心t分布的概率密度函数
ncx2pdf 非中心卡方分布的概率密度函数poisspdf泊松分布的概率密度函数
raylpdf雷利分布的概率密度函数
tpdf学生氏t分布的概率密度函数
unidpdf离散均匀分布的概率密度函数
unifpdf连续均匀分布的概率密度函数
weibpdf威布尔分布的概率密度函数
Ⅰ-2 累加分布函数
函数名对应分布的累加函数
betacdf贝塔分布的累加函数
binocdf二项分布的累加函数
chi2cdf 卡方分布的累加函数
expcdf指数分布的累加函数
fcdf f分布的累加函数
gamcdf伽玛分布的累加函数
geocdf几何分布的累加函数
hygecdf超几何分布的累加函数
logncdf对数正态分布的累加函数
nbincdf负二项分布的累加函数
ncfcdf非中心f分布的累加函数
nctcdf非中心t分布的累加函数
ncx2cdf 非中心卡方分布的累加函数normcdf正态（高斯）分布的累加函数poisscdf泊松分布的累加函数
raylcdf雷利分布的累加函数
tcdf学生氏t分布的累加函数
unidcdf离散均匀分布的累加函数
unifcdf连续均匀分布的累加函数
weibcdf威布尔分布的累加函数
Ⅰ-3 累加分布函数的逆函数
函数名对应分布的累加分布函数逆函数
betainv贝塔分布的累加分布函数逆函数
binoinv二项分布的累加分布函数逆函数
chi2inv 卡方分布的累加分布函数逆函数expinv指数分布的累加分布函数逆函数
finv f分布的累加分布函数逆函数
gaminv伽玛分布的累加分布函数逆函数
geoinv几何分布的累加分布函数逆函数
hygeinv超几何分布的累加分布函数逆函数
logninv对数正态分布的累加分布函数逆函数
nbininv负二项分布的累加分布函数逆函数
ncfinv非中心f分布的累加分布函数逆函数
nctinv非中心t分布的累加分布函数逆函数
ncx2inv 非中心卡方分布的累加分布函数逆函数icdf
norminv正态（高斯）分布的累加分布函数逆函数poissinv泊松分布的累加分布函数逆函数
raylinv雷利分布的累加分布函数逆函数
tinv学生氏t分布的累加分布函数逆函数
unidinv离散均匀分布的累加分布函数逆函数
unifinv连续均匀分布的累加分布函数逆函数
weibinv威布尔分布的累加分布函数逆函数
Ⅰ-4 随机数生成器函数
函数对应分布的随机数生成器
betarnd贝塔分布的随机数生成器
binornd二项分布的随机数生成器
chi2rnd 卡方分布的随机数生成器
exprnd指数分布的随机数生成器
frnd f分布的随机数生成器
gamrnd伽玛分布的随机数生成器
geornd几何分布的随机数生成器
hygernd超几何分布的随机数生成器
lognrnd对数正态分布的随机数生成器
nbinrnd负二项分布的随机数生成器
ncfrnd非中心f分布的随机数生成器
nctrnd非中心t分布的随机数生成器
ncx2rnd 非中心卡方分布的随机数生成器normrnd正态（高斯）分布的随机数生成器
poissrnd泊松分布的随机数生成器
raylrnd瑞利分布的随机数生成器
trnd学生氏t分布的随机数生成器
unidrnd离散均匀分布的随机数生成器
unifrnd连续均匀分布的随机数生成器weibrnd威布尔分布的随机数生成器
Ⅰ-5 分布函数的统计量函数
函数名对应分布的统计量
betastat贝塔分布函数的统计量
binostat二项分布函数的统计量
chi2stat 卡方分布函数的统计量expstat指数分布函数的统计量
fstat f分布函数的统计量
gamstat伽玛分布函数的统计量
geostat几何分布函数的统计量
hygestat超几何分布函数的统计量
lognstat对数正态分布函数的统计量
nbinstat负二项分布函数的统计量
ncfstat非中心f分布函数的统计量
nctstat非中心t分布函数的统计量
ncx2stat 非中心卡方分布函数的统计量normstat正态（高斯）分布函数的统计量poisstat泊松分布函数的统计量
raylstat瑞利分布函数的统计量
tstat学生氏t分布函数的统计量
unidstat离散均匀分布函数的统计量
unifstat连续均匀分布函数的统计量
weibstat威布尔分布函数的统计量
Ⅰ-6 参数估计函数
函数名对应分布的参数估计
betafit贝塔分布的参数估计
betalike贝塔对数似然函数的参数估计
binofit二项分布的参数估计
expfit指数分布的参数估计
gamfit伽玛分布的参数估计
gamlike伽玛似然函数的参数估计
mle极大似然估计的参数估计
normlike正态对数似然函数的参数估计normfit正态分布的参数估计
poissfit泊松分布的参数估计
unifit均匀分布的参数估计
weibfit威布尔分布的参数估计
weiblike威布尔对数似然函数的参数估计
Ⅰ-7 统计量描述函数
函数描述
bootstrap 任何函数的自助统计量corrcoef相关系数
cov协方差
crosstab 列联表
geomean几何均值
grpstats分组统计量
harmmean调和均值
iqr内四分极值
kurtosis 峰度
mad 中值绝对差
mean 均值
median 中值
moment 样本模量
nanmax包含缺失值的样本的最大值Nanmean包含缺失值的样本的均值nanmedian包含缺失值的样本的中值
nanmin包含缺失值的样本的最小值
nanstd包含缺失值的样本的标准差
nansum包含缺失值的样本的和
prctile百分位数
range 极值
skewness偏度
std标准差
tabulate 频数表
trimmean截尾均值
var方差
Ⅰ-8 统计图形函数
函数描述
boxplot 箱形图
cdfplot指数累加分布函数图
errorbar误差条图
fsurfht函数的交互等值线图
gline画线
gname交互标注图中的点
gplotmatrix散点图矩阵
gscatter由第三个变量分组的两个变量的散点图lsline在散点图中添加最小二乘拟合线normplot正态概率图
pareto帕累托图
qqplot Q-Q图
rcoplot残差个案次序图
refcurve参考多项式曲线
refline参考线
surfht数据网格的交互等值线图
weibplot威布尔图
Ⅰ-9 统计过程控制函数
函数描述
capable 性能指标
capaplot性能图
ewmaplot指数加权移动平均图
histfit添加正态曲线的直方图
normspec在指定的区间上绘正态密度
schart S图
xbarplot x条图
Ⅰ-10 聚类分析函数
函数描述
cluster 根据linkage函数的输出创建聚类clusterdata根据给定数据创建聚类cophenetCophenet相关系数
dendrogram创建冰柱图
inconsistent 聚类树的不连续值
linkage 系统聚类信息
pdist观测量之间的配对距离
squareform距离平方矩阵
zscore Z分数
Ⅰ-11 线性模型函数
函数描述
anova1 单因子方差分析
anova2 双因子方差分析
anovan多因子方差分析
aoctool协方差分析交互工具
dummyvar拟变量编码
friedman Friedman检验
glmfit一般线性模型拟合kruskalwallisKruskalwallis检验
leverage 中心化杠杆值
lscov已知协方差矩阵的最小二乘估计
manova1 单因素多元方差分析manovacluster多元聚类并用冰柱图表示multcompare多元比较
多项式评价及误差区间估计
polyfit最小二乘多项式拟合
polyval多项式函数的预测值
polyconf残差个案次序图
regress 多元线性回归
regstats回归统计量诊断
Ridge 岭回归
rstool多维响应面可视化
robustfit稳健回归模型拟合
stepwise 逐步回归
x2fx 用于设计矩阵的因子设置矩阵
Ⅰ-12 非线性回归函数
函数描述
nlinfit非线性最小二乘数据拟合（牛顿法）nlintool非线性模型拟合的交互式图形工具nlparci参数的置信区间
nlpredci预测值的置信区间
nnls非负最小二乘
Ⅰ-13 试验设计函数
函数描述
cordexch D-优化设计（列交换算法）daugment递增D-优化设计
dcovary固定协方差的D-优化设计
ff2n 二水平完全析因设计
fracfact二水平部分析因设计
fullfact混合水平的完全析因设计hadamardHadamard矩阵（正交数组）rowexch D-优化设计（行交换算法）
表Ⅰ-14 主成分分析函数
函数描述
barttestBarttest检验
pcacov源于协方差矩阵的主成分
pcares源于主成分的方差
princomp根据原始数据进行主成分分析
表Ⅰ-15 多元统计函数
函数描述
classify 聚类分析
mahal马氏距离
manova1 单因素多元方差分析manovacluster多元聚类分析
表-16 假设检述
ranksum秩和检验
signrank符号秩检验
signtest符号检验
ttest单样本t检验
ttest2 双样本t检验
ztest z检验
表-17 分布检验函数
函数描述
jbtest正态性的Jarque-Bera检验
kstest单样本Kolmogorov-Smirnov检验
kstest2 双样本Kolmogorov-Smirnov检验lillietest正态性的Lilliefors检验
表-18 非参数函数
函数描述
friedman Friedman检验kruskalwallisKruskalwallis检验
ranksum秩和检验
signrank符号秩检验
signtest符号检验
表-19 文件输入输出函数
函数描述
caseread读取个案名
casewrite写个案名到文件
tblread以表格形式读数据
tblwrite以表格形式写数据到文件
tdfread从表格间隔形式的文件中读取文本或数值数据
Ⅰ-20 演示函数
函数描述
aoctool协方差分析的交互式图形工具
disttool探察概率分布函数的GUI工具
glmdemo一般线性模型演示
randtool随机数生成工具
polytool多项式拟合工具
rsmdemo响应拟合工具
robustdemo稳健回归拟合工具
Matlab 概率论与数理统计
Matlab 概率论与数理统计一、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=sin(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; xv=[0 0 30 60 60 30 0];yv=[0 30 60 60 30 0 0]; fill(xv,yv,'b'); hold on; plot(x,y0,'r',y0,x,'r',x,y60,'r',y60,x,'r'); plot(x1,y1,'r',x2,y2,'r'); yr=unifrnd (0,60,2,100); plot(yr(1,:),yr(2,:),'m.') axis('on'); axis('square'); axis([-20 80 -20 80 ]);
2. 排列组合 C=nchoosek(n,k)：k n C C =，例nchoosek(5,2)=10, nchoosek(6,3)=20. prod(n1:n2)：从n1到n2的连乘 【例01.03】至少有两个人生日相同的概率 公式计算n n n n N N n N N N N n N N N C n p )1()1(1)! (! 1!1+--?-=--=- = 365364 (3651)365364 3651 11365365365365 rs rs rs ?-+-+=- =-? rs=[20,25,30,35,40,45,50]; %每班的人数 p1=ones(1,length(rs)); p2=ones(1,length(rs)); % 用连乘公式计算 for i=1:length(rs) p1(i)=prod(365-rs(i)+1:365)/365^rs(i); end % 用公式计算（改进） for i=1:length(rs) for k=365-rs(i)+1:365 p2(i)=p2(i)*(k/365); end ; end % 用公式计算（取对数） for i=1:length(rs)
Matlab概率统计工具箱(3)
Matlab概率统计工具箱(3) 4.8 假设检验 4.8.1 已知,单个正态总体的均值μ的假设检验(U检验法) 函数ztest 格式h = ztest(x,m,sigma) % x为正态总体的样本,m为均值μ0,sigma为标准差,显著性水平为0.05(默认值) h = ztest(x,m,sigma,alpha) %显著性水平为alpha [h,sig,ci,zval] = ztest(x,m,sigma,alpha,tail) %sig为观察值的概率,当sig为小概率时则对原假设提出质疑,ci为真正均值μ的1-alpha置信区间,zval为统计量的值. 说明若h=0,表示在显著性水平alpha下,不能拒绝原假设; 若h=1,表示在显著性水平alpha下,可以拒绝原假设. 原假设:, 若tail=0,表示备择假设:(默认,双边检验); tail=1,表示备择假设:(单边检验); tail=-1,表示备择假设:(单边检验). 例4-74 某车间用一台包装机包装葡萄糖,包得的袋装糖重是一个随机变量,它服从正态分布.当机器正常时,其均值为0.5公斤,标准差为0.015.某日开工后检验包装机是否正常,随机地抽取所包装的糖9袋,称得净重为(公斤)
0.497, 0.506, 0.518, 0.524, 0.498, 0.511, 0.52, 0.515, 0.512 问机器是否正常 解:总体μ和σ已知,该问题是当为已知时,在水平下,根据样本值判断μ=0.5还是.为此提出假设: 原假设: 备择假设: >> X=[0.497,0.506,0.518,0.524,0.498,0.511,0.52,0.515,0.512 ]; >> [h,sig,ci,zval]=ztest(X,0.5,0.015,0.05,0) 结果显示为 h = 1 sig = 0.0248 %样本观察值的概率 ci = 0.5014 0.5210 %置信区间,均值0.5在此区间之外 zval = 2.2444 %统计量的值 结果表明:h=1,说明在水平下,可拒绝原假设,即认为包装机工作不正常.
第9章概率论与数理统计的MATLAB实现讲稿汇总
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，可以进行概率和数理统计分析，以及进行比较复杂的多元统计分析。 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列（或密度函数）和分布函数。 9.1.1 常见离散型随机变量的分布列的计算 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列的函数及调用格式： 函数调用格式(对应的分布) 分布列 y=binopdf(x,n,p)(二项分布) )() 1(),|(),,1,0(x I p p C p n x f n x n x x n --= y=geopdf(x,p)(几何分布) x p p p x f )1()|(-= ),1,0( =x y=hygepdf(x,M,K,n)(超几何分布) n M x n k M x K C C C n K M x f --=),,|( y=poisspdf(x,lambda)(泊松分布) λ λλ-=e x x f x ! )|(),1,0( =x y=unidpdf(x,n)(离散均匀分布) N N x f 1)|(= 9.1.2 常见连续型随机变量的密度函数计算 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 的密度函数。 MA TLAB 提供的计算常见连续型随机变量分布密度函数的函数及调用格
MATLAB计算概率
一、实验名称 已知随机向量（X ，Y ）独立同服从标准正态分布，D={(x,y)|a
p=erchong(a,b,c,d) end if e==2 p=wangge(a,b,c,d); end if e==3 p=fenbu(a,b,c,d); end if e==4 p=mente(a,b,c,d); end if e==5 [X,Y]=meshgrid(-3:0.2:3); Z=1/(2*pi)*exp(-1/2*(X.^2+Y.^2)); meshz(X,Y,Z); end e=input('请选择: \n'); end % ===============================用二重积分计算function p=erchong(a,b,c,d) syms x y; f0=1/(2*pi)*exp(-1/2*(x^2+y^2)); f1=int(f0,x,a,b); %对x积分 f1=int(f1,y,c,d); %对y积分 p=vpa(f1,9); % ================================等距网格法function p=wangge(a,b,c,d) syms x y ; n=100; r1=(b-a)/n; %求步长 r2=(d-c)/n; za(1)=a;for i=1:n,za(i+1)=za(i)+r1;end %分块 zc(1)=c;for j=1:n,zc(j+1)=zc(j)+r2;end for i=1:n x(i)=unifrnd(za(i),za(i+1));end %随机取点 for i=1:n y(i)=unifrnd(zc(i),zc(i+1));end s=0; for i=1:n for j=1:n s=1/(2*pi)*exp(-1/2*(x(i)^2+y(j)^2))+s;%求和end end p=s*r1*r2;
(完整版)Matlab概率论与数理统计
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 k C=nchoosek(n,k) : C C 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) rs 365 365 364 365 rs 1 365 365 365 rs=[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)+1:365 p2(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 1 n!C N N n N! 1 (N n)! 1 N n N (N 1) (N n 1)
matlab在概率统计中的应用实例
关于全国受旱灾土地总面积的数理分析 提出问题：下表是从1990年至2010年全国因干旱而受灾的土地总面积（单位：千公顷）数。（数据来源于全国统计局官网） 试解决一下问题： （1）计算所给样本的均值与标准差； （2）检验在显著水平为0.05的情况下，全国每年因干旱而受灾的土地总面积是否服从正态分布？ （3）如果服从正态分布，用极大似然估计法对未知参数μ和σ作出估计； （4）若年受旱灾总面积大于35000千公顷即为重灾年，根据估计出的μ值和σ值，计算当年为重灾年的概率。 分析问题：这是一个样本均值和标准差的计算以及正态性检验和计算的一系列问题。对于此类问题可以应用数学软件MATLAB进行处理，应用MATLAB可以很容易的计算出均值及标准差，此外，采用Jarque-Beran检验即可知道其是否服从正态分布，并估计出总体的均值μ和标准差σ。 解决问题：下面计算样本的均值和标准差 MATLAB程序代码如下 clear
X=[18175 24917 32981 21097 30423 23455 20152 33516 14236 30156 40541 38472 22124 24852 17253 16028 20738 29386 12137 29259 13259]; [h,stats]=cdfplot(X) 运行程序后，输出如下 h =152.0022 stats = min: 12137 max: 40541 mean: 2.4436e+004 median: 23455 std: 8.1234e+003 从输出结果可看出，样本的最小值为12137，最大值为40541，
MATLAB 概率分布函数
统计工具箱函数 Ⅰ-1 概率密度函数 函数名对应分布的概率密度函数 betapdf贝塔分布的概率密度函数 binopdf二项分布的概率密度函数 chi2pdf 卡方分布的概率密度函数exppdf指数分布的概率密度函数 fpdf f分布的概率密度函数 gampdf伽玛分布的概率密度函数 geopdf几何分布的概率密度函数 hygepdf超几何分布的概率密度函数 normpdf正态（高斯）分布的概率密度函数lognpdf对数正态分布的概率密度函数 nbinpdf负二项分布的概率密度函数 ncfpdf非中心f分布的概率密度函数 nctpdf非中心t分布的概率密度函数 ncx2pdf 非中心卡方分布的概率密度函数poisspdf泊松分布的概率密度函数 raylpdf雷利分布的概率密度函数 tpdf学生氏t分布的概率密度函数 unidpdf离散均匀分布的概率密度函数 unifpdf连续均匀分布的概率密度函数 weibpdf威布尔分布的概率密度函数 Ⅰ-2 累加分布函数 函数名对应分布的累加函数 betacdf贝塔分布的累加函数 binocdf二项分布的累加函数 chi2cdf 卡方分布的累加函数 expcdf指数分布的累加函数 fcdf f分布的累加函数 gamcdf伽玛分布的累加函数 geocdf几何分布的累加函数 hygecdf超几何分布的累加函数 logncdf对数正态分布的累加函数 nbincdf负二项分布的累加函数 ncfcdf非中心f分布的累加函数 nctcdf非中心t分布的累加函数 ncx2cdf 非中心卡方分布的累加函数normcdf正态（高斯）分布的累加函数poisscdf泊松分布的累加函数 raylcdf雷利分布的累加函数 tcdf学生氏t分布的累加函数 unidcdf离散均匀分布的累加函数 unifcdf连续均匀分布的累加函数
概率统计公式大全(复习重点)汇总
第一章随机事件和概率 （1）排列组合公式 )! ( ! n m m P n m- =从m个人中挑出n个人进行排列的可能数。 )! (! ! n m n m C n m- =从m个人中挑出n个人进行组合的可能数。 （2）加法和乘法原理加法原理（两种方法均能完成此事）：m+n 某件事由两种方法来完成，第一种方法可由m种方法完成，第二种方法可由n种方法来完成，则这件事可由m+n 种方法来完成。 乘法原理（两个步骤分别不能完成这件事）：m×n 某件事由两个步骤来完成，第一个步骤可由m种方法完成，第二个步骤可由n 种方法来完成，则这件事可由m×n 种方法来完成。 （3）一些常见排列重复排列和非重复排列（有序）对立事件（至少有一个） 顺序问题 （4）随机试验和随机事件如果一个试验在相同条件下可以重复进行，而每次试验的可能结果不止一个，但在进行一次试验之前却不能断言它出现哪个结果，则称这种试验为随机试验。试验的可能结果称为随机事件。 （5）基本事件、样本空间和事件在一个试验下，不管事件有多少个，总可以从其中找出这样一组事件，它具有如下性质： ①每进行一次试验，必须发生且只能发生这一组中的一个事件； ②任何事件，都是由这一组中的部分事件组成的。 这样一组事件中的每一个事件称为基本事件，用ω来表示。 基本事件的全体，称为试验的样本空间，用Ω表示。 一个事件就是由Ω中的部分点（基本事件ω）组成的集合。通常用大写字母A，B，C，…表示事件，它们是Ω的子集。 Ω为必然事件，?为不可能事件。 不可能事件（?）的概率为零，而概率为零的事件不一定是不可能事件；同理，必然事件（Ω）的概率为1，而概率为1的事件也不一定是必然事件。 （6）事件的关系与运算①关系： 如果事件A的组成部分也是事件B的组成部分，（A发生必有事件B发生）：B A? 如果同时有B A?，A B?，则称事件A与事件B等价，或称A等于B：A=B。 A、B中至少有一个发生的事件：A B，或者A+B。 属于A而不属于B的部分所构成的事件，称为A与B的差，记为A-B，也可表示为A-AB或者B A，它表示A发生而B不发生的事件。 A、B同时发生：A B，或者AB。A B=?，则表示A与B不可能同时发生，称 事件A与事件B互不相容或者互斥。基本事件是互不相容的。 Ω-A称为事件A的逆事件，或称A的对立事件，记为A。它表示A不发生的
数学建模常用到的matlab函数有哪些
附录Ⅰ工具箱函数汇总 Ⅰ.1 统计工具箱函数 表Ⅰ-1 概率密度函数 函数名对应分布的概率密度函数betapdf 贝塔分布的概率密度函数binopdf 二项分布的概率密度函数 chi2pdf 卡方分布的概率密度函数 exppdf 指数分布的概率密度函数 fpdf f分布的概率密度函数 gampdf 伽玛分布的概率密度函数 geopdf 几何分布的概率密度函数hygepdf 超几何分布的概率密度函数normpdf 正态（高斯）分布的概率密度函数lognpdf 对数正态分布的概率密度函数nbinpdf 负二项分布的概率密度函数ncfpdf 非中心f分布的概率密度函数nctpdf 非中心t分布的概率密度函数 ncx2pdf 非中心卡方分布的概率密度函数poisspdf 泊松分布的概率密度函数 raylpdf 雷利分布的概率密度函数 tpdf 学生氏t分布的概率密度函数 unidpdf 离散均匀分布的概率密度函数unifpdf 连续均匀分布的概率密度函数weibpdf 威布尔分布的概率密度函数 表Ⅰ-2 累加分布函数 函数名对应分布的累加函数 betacdf 贝塔分布的累加函数 binocdf 二项分布的累加函数 chi2cdf 卡方分布的累加函数 expcdf 指数分布的累加函数 fcdf f分布的累加函数 gamcdf 伽玛分布的累加函数 geocdf 几何分布的累加函数 hygecdf 超几何分布的累加函数 logncdf 对数正态分布的累加函数nbincdf 负二项分布的累加函数 ncfcdf 非中心f分布的累加函数 nctcdf 非中心t分布的累加函数 ncx2cdf 非中心卡方分布的累加函数normcdf 正态（高斯）分布的累加函数poisscdf 泊松分布的累加函数 raylcdf 雷利分布的累加函数 tcdf 学生氏t分布的累加函数
随机变量及其分布考点总结
第二章 随机变量及其分布 复习 一、随机变量. 1. 随机试验的结构应该是不确定的.试验如果满足下述条件： ①试验可以在相同的情形下重复进行；②试验的所有可能结果是明确可知的，并且不止一个；③每次试验总是恰好出现这些结果中的一个，但在一次试验之前却不能肯定这次试验会出现哪一个结果. 它就被称为一个随机试验. 2. 离散型随机变量：如果对于随机变量可能取的值，可以按一定次序一一列出，这样的随机变量叫做离散型随机变量.若ξ是一个随机变量，a ，b 是常数.则b a +=ξη也是一个随机变量.一般地，若ξ是随机变量，)(x f 是连续函数或单调函数，则)(ξf 也是随机变量.也就是说，随机变量的某些函数也是随机变量. 3、分布列：设离散型随机变量ξ可能取的值为： ,,,,21i x x x ξ取每一个值),2,1( =i x 的概率p x P ==)(ξ，则表称为随机变量ξ的概率分布，简称ξ的分布列. 121i 注意：若随机变量可以取某一区间内的一切值，这样的变量叫做连续型随机变量.例如：]5,0[∈ξ即ξ可以取0～5之间的一切数，包括整数、小数、无理数. 典型例题： 1、随机变量ξ的分布列为(),1,2,3(1) c P k k k k ξ== =+……，则P(13)____ξ≤≤= 2、袋中装有黑球和白球共7个，从中任取两个球都是白球的概率为1 7 ，现在甲乙两人从袋中轮流摸去一 球，甲先取，乙后取，然后甲再取……，取后不放回，直到两人中有一人取到白球时终止，用ξ表示取球的次数。（1）求ξ的分布列（2）求甲取到白球的的概率 3、5封不同的信，放入三个不同的信箱，且每封信投入每个信箱的机会均等，X 表示三哥信箱中放有信件树木的最大值，求X 的分布列。 4 已知在全部50人中随机抽取1人抽到喜爱打篮球的学生的概率为5 ． （1）请将上面的列联表补充完整； （2）是否有99.5％的把握认为喜爱打篮球与性别有关？说明你的理由； （3）已知喜爱打篮球的10位女生中，12345,,A A A A A ，，还喜欢打羽毛球，123B B B ，，还喜欢打乒乓球，12C C ，还喜欢踢足球，现再从喜欢打羽毛球、喜欢打乒乓球、喜欢踢足球的女生中各选出1名进行其他方面的调查，求1B 和1C 不全被选中的概率． (参考公式：2 ()()()()() n ad bc K a b c d a c b d -=++++，其中n a b c d =+++)
概率统计计算及MATLAB实现.doc
《概率统计计算及其MATLAB实现》共分为六章和一个附录，前两章主要介绍概率论和随机变量的基本知识，第三章至第五章是数理统计内容，第六章是随机过程计算及其仿真，最后，附录部分对MATLAB的基本知识进行了简介。主要内容涉及概率及其计算、变量分布及其相关计算、数字特征和中心极限定理、描述统计、参数估计和假设检验、方差分析和回归分析、泊松过程、马氏链、布朗运动、风险模型等的计算和模拟。另外还涉及MATLAB矩阵的运算和操作、微积分运算、代数方程（组）求解、画图和程序流程控制等内容。 目录 1 概率计算及变量分布 1.1 概率定义及其计算 1.2 随机变量及其分布 1.3 随机变量函数及其分布 1.4有关古典概率实际问题的MATLAB模拟 习题1 2常见分布及数字特征 2.1 常见的离散型分布 2.2 常见的连续型分布 2.3 随机变量的数字特征 2.4 有关常见分布的MATLAB模拟 习题2 3样本描述及抽样分布 3.1 数据的整理和显示 3.2 数据预处理及其他描述分析 3.3抽样分布 习题3 4参数估计与假设检验 4.1 参数估计 4.2正态总体参数的假设检验 4.3 其他常用的假设检验 4.4几个常用的非参数假设检验 习题4 5方差分析与回归分析 5.1 单因素方差分析 5.2 双因素方差分析 5.3 线性回归分析 5.4 逐步回归与其他几个回归 习题5
6随机过程计算与仿真 6.1 随机过程的基本概念 6.2 泊松过程的计算与仿真6.3 马氏链的计算与仿真 6.4布朗运动计算与仿真 6.5 风险模型的计算与仿真习题6 附录MATLAB简介 1 矩阵与相关运算 2微积分与代数方程基本求解3 画图与编程
Matlab概率论与数理统计
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' ); 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.')
axis([-20 80 -20 80 ]);
2. 排列组合 k C=nchoosek(n,k) : C C 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) rs 365 365 364 365 rs 1 365 365 365 rs=[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)+1:365 p2(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)); 公式计算P 1 n!C N N n N! 1 (N n)! 1 N n N (N 1) (N n 1)
Matlab笔记——数值计算—概率篇017
17. 数值计算—概率篇 一、计算组合数、排列数 !n——factorial(n)或prod(1:n) k C——nchoosek(n,k) n k A——factorial(n)/factorial(n-k) n 二、生成随机数 1. rand(m,n) ——生成m×n的服从[0,1]上均匀分布的随机数； 用a + (b-a).*rand(m,n)生成m×n的服从[a,b]上均匀分布的随机数。 2. 二项分布与正态分布随机数 binornd(N,P,m,n)——生成m×n的服从二项分布B(N,P)的随机数； normrnd(MU,SIGMA,m,n) ——生成m×n的服从正态分布N(MU,SIGMA2)的随机数； 3. 通用格式： 分布缩写+rnd(分布参数, m,n) 或random(‘分布名或缩写’, 分布参数, m,n) 可以用来生成m×n该分布的随机数。各种分布名见下图：
4. 使用randsample和randsrc函数生成指定离散分布随机数 X=randsample(N, k, replace, w)
N相当于[1:N], 也可以是具有确定值的向量；k表示生成k个随机数；replace=’true’表示可重复，或’false’表示不可重复（默认）；w是权重向量。 X= randsrc(m,n,[x; p]) 生成m×n的随机矩阵，服从取值为向量x, 对应概率为向量p的离散分布。 例1 设离散型随机变量X服从如下分布： 生成服从3×5的该分布的随机数。 代码： xvalue = [-2 -1 0 1 2]; xp = [0.05 0.2 0.5 0.2 0.05]; % 调用randsample函数生成100个服从指定离散分布的随机数 x = randsample(xvalue, 15, true, xp); reshape(x,[3 5]) % 调用randsrc函数生成10*10的服从指定离散分布的随机数矩阵 y = randsrc(3,5,[xvalue;xp]) 运行结果：ans = 0 0 1 0 0 0 0 0 -1 -1 1 1 0 0 1 y = -1 -1 1 1 -1 -1 0 0 2 0 -1 0 -1 0 0
matlab概率统计函数
matlab概率统计函数 函数名对应分布的概率密度函数 betapdf 贝塔分布的概率密度函数binopdf 二项分布的概率密度函数 chi2pdf 卡方分布的概率密度函数 exppdf 指数分布的概率密度函数 fpdf f分布的概率密度函数 gampdf 伽玛分布的概率密度函数 geopdf 几何分布的概率密度函数hygepdf 超几何分布的概率密度函数normpdf 正态（高斯）分布的概率密度函数lognpdf 对数正态分布的概率密度函数nbinpdf 负二项分布的概率密度函数ncfpdf 非中心f分布的概率密度函数nctpdf 非中心t分布的概率密度函数 ncx2pdf 非中心卡方分布的概率密度函数poisspdf 泊松分布的概率密度函数raylpdf 雷利分布的概率密度函数 tpdf 学生氏t分布的概率密度函数unidpdf 离散均匀分布的概率密度函数unifpdf 连续均匀分布的概率密度函数weibpdf 威布尔分布的概率密度函数 表Ⅰ-2 累加分布函数 函数名对应分布的累加函数 betacdf 贝塔分布的累加函数 binocdf 二项分布的累加函数 chi2cdf 卡方分布的累加函数 expcdf 指数分布的累加函数 fcdf f分布的累加函数 gamcdf 伽玛分布的累加函数 geocdf 几何分布的累加函数 hygecdf 超几何分布的累加函数 logncdf 对数正态分布的累加函数 nbincdf 负二项分布的累加函数 ncfcdf 非中心f分布的累加函数 nctcdf 非中心t分布的累加函数 ncx2cdf 非中心卡方分布的累加函数normcdf 正态（高斯）分布的累加函数poisscdf 泊松分布的累加函数 raylcdf 雷利分布的累加函数 tcdf 学生氏t分布的累加函数
MATLAB概率统计函数
第1章概率统计 本章介绍MATLAB在概率统计中的若干命令和使用格式，这些命令存放于MatlabR12\Toolbox\Stats中。 1.1 随机数的产生 产生随机数时初始种子数的设定方法 s = RandStream('mcg16807','Seed',0) RandStream.setDefaultStream(s) 另一种形式 seed = 0; randn('state', seed); rand ('state', seed); 1.1.1 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，N、P大小相同。
R = binornd(N, P, [m]) % m指定随机数的个数，产生m×m 维的随机数矩阵R。 R = binornd(N, P, [m, n]) % m, n分别表示R的行数和列数R = binornd(N, P, [m, n, k]) % m, n, k分别表示R的行数和列数和层数 其中的[]可以省略。 例1-1 >> R=binornd(10,0.5) R = 3 >> R=binornd(10,0.5,1,6) R = 8 1 3 7 6 4 >> R=binornd(10,0.5,[1,10]) R = 6 8 4 6 7 5 3 5 6 2 >> R=binornd(10,0.5,[2,3]) R = 7 5 8 6 5 6 >>n = 10:10:60; >>r1 = binornd(n,1./n) r1 = 2 1 0 1 1 2 >>r2 = binornd(n,1./n,[1 6]) r2 = 0 1 2 1 3 1 1.1.2 正态分布的随机数据的产生 命令参数为μ、σ的正态分布的随机数据 函数 normrnd 格式 R = normrnd(MU,SIGMA) % 返回均值为MU，标准差为SIGMA的正态分布的随机数据，R可以是向量或矩阵。 2
Matlab概率函数大全
Matlab概率函数大全 统计工具箱函数 表Ⅰ-1 概率密度函数 函数名对应分布的概率密度函数 betapdf 贝塔分布的概率密度函数binopdf 二项分布的概率密度函数 chi2pdf 卡方分布的概率密度函数 exppdf 指数分布的概率密度函数 fpdf f分布的概率密度函数 gampdf 伽玛分布的概率密度函数 geopdf 几何分布的概率密度函数hygepdf 超几何分布的概率密度函数normpdf 正态（高斯）分布的概率密度函数lognpdf 对数正态分布的概率密度函数nbinpdf 负二项分布的概率密度函数ncfpdf 非中心f分布的概率密度函数nctpdf 非中心t分布的概率密度函数 ncx2pdf 非中心卡方分布的概率密度函数poisspdf 泊松分布的概率密度函数raylpdf 雷利分布的概率密度函数 tpdf 学生氏t分布的概率密度函数unidpdf 离散均匀分布的概率密度函数unifpdf 连续均匀分布的概率密度函数weibpdf 威布尔分布的概率密度函数 表Ⅰ-2 累加分布函数 函数名对应分布的累加函数 betacdf 贝塔分布的累加函数 binocdf 二项分布的累加函数 chi2cdf 卡方分布的累加函数 expcdf 指数分布的累加函数 fcdf f分布的累加函数 gamcdf 伽玛分布的累加函数 geocdf 几何分布的累加函数 hygecdf 超几何分布的累加函数 logncdf 对数正态分布的累加函数 nbincdf 负二项分布的累加函数 ncfcdf 非中心f分布的累加函数 nctcdf 非中心t分布的累加函数 ncx2cdf 非中心卡方分布的累加函数normcdf 正态（高斯）分布的累加函数poisscdf 泊松分布的累加函数 raylcdf 雷利分布的累加函数 tcdf 学生氏t分布的累加函数
概率分布期望方差汇总
1.编号1,2,3的三位学生随意入座编号为 1, 2 , 3的三个座位，每位学生坐一个座位 设与座位编号相同的学生的个数是 X. （1） 求随机变量X 的分布列； （2） 求随机变量X 的数学期望和方差. 解（1）P （ X=0）= _L =1 - A 33 ； P （ X=1）=-C3 = 1 ； P （ X=3）= 2 =丄； A 3 2 A 3 6 (2) E (X ) =1 X 丄 +3 X 丄=1. 2 6 D (X ) =(1-0) 2 1 +(1-1) 2 丄+(3-1) 2 1 =1. 3 2 6 2某商场举行抽奖促销活动，抽奖规则是：从装有9个白球、1个红球的箱子中每次 随机地摸岀一个球，记下颜色后放回，摸岀一个红球可获得奖金 10元；摸岀两个红 球可获得奖金50元.现有甲、乙两位顾客，规定:甲摸一次，乙摸两次，令X 表示 甲、乙两人摸球后获得的奖金总额.求： （1 ） X 的分布列； （2） X 的均值. 解 （1 ） X 的所有可能取值为0，10，20，50，60. 9 1 9 P(X=50)= X =- 10 102 1 000 1 1 P(X=60)= 3 = . ' 103 1 000 故X 的分布列为 P (X=0 ) @ 1 = 729 10 = 1 000 P ( X=10)」X 「2 X C 2 X 丄 10 〔0 丿 10 10 9 X 一 = 243 1 000 P(X=20)= 丄 X C 2 X 丄 X ?= 10 10 10 18 1 000
729 243 18 9 (2 ) E ( X ) =0 X +10 X -243+20 X 18+50 X — +60 X 1 000 1 000 1 000 1 000 1 =3.3（兀）. 1 000 ' ' 3 （本小题满分13分） 为了解甲、乙两厂的产品质量，采用分层抽样的方法从甲、乙两厂生 产的产品中分别抽出取14件和5件，测量产品中的微量元素x,y的含 （1）已知甲厂生产的产品共有98件，求乙厂生产的产品数量； （2）当产品中的微量元素x,y满足x》175 ,且y》75时,该产品为优等 品。用上述样本数据估计乙厂生产的优等品的数量； （3）从乙厂抽出的上述5件产品中，随机抽取2件，求抽取的2件产品中优等品数?的分布列极其均值（即数学期望）。 & 98 解：（1）7,5 7=35，即乙厂生产的产品数量为35件。 14 （2）易见只有编号为 2 , 5的产品为优等品，所以乙厂生产的产品中
MATLAB中关于常见的概率分布密度函数的语句及格式
MATLAB中关于常见的概率分布密度函数的语句及格式 MATLAB中关于常见的概率分布密度函数的语句及格式 normpdf(x,mu,sigma) 正态分布密度函数。 uifpdf(x,a,b) 均匀分布（连续）密度函数 exppdf(x,a) 指数分布密度函数 geopdf(x,p) 几何分布密度函数 binopdf(x,n,p) 二项分布密度函数 poisspdf9x,n) 泊松分布密度函数 unidpdf(x,n) 均匀分布（离散）密度函数 chi2pdf(x,3) X^2分布密度函数 fpdf(x,m,n) F分布密度函数 tpdf(x,n) t分布密度函数 一、常见连续分布的密度函数MATLAB实现 1正态分布 x=-8:0.1:8; >> y=normpdf(x,0,1); >> figure(1);plot(x,y); >> grid on; >> y1=normpdf(x,1,2); >> figure(2);plot(x,y,x,y1,':') >> grid on;
2均匀分布 >> clear all >> x=-10:0.1:10; >> r=1; >> y=unifpdf(x,0,2*pi*r); >> plot(x,y,'r*'); >> grid on;
x=0:0.1:30; >> y=exppdf(x,4); >> plot(x,y,'m-.') >> grid on 二、常见离散分布的密度函数1几何分布 x=0:30; >> y=geopdf(x,0.5); >> plot(x,y,'bo') >> grid on
matlab 概率工具箱
4.5.4 方差 命令求样本方差 函数var 格式D=var(X) %var(X)=,若X为向量,则返回向量的样本方差. D=var(A) %A为矩阵,则D为A的列向量的样本方差构成的行向量. D=var(X, 1) %返回向量(矩阵)X的简单方差(即置前因子为的方差) D=var(X, w) %返回向量(矩阵)X的以w为权重的方差 命令求标准差 函数std 格式std(X) %返回向量(矩阵)X的样本标准差(置前因子为)即: std(X,1) %返回向量(矩阵)X的标准差(置前因子为) std(X, 0) %与std (X)相同 std(X, flag, dim) %返回向量(矩阵)中维数为dim的标准差值,其中flag=0时,置前因子为;否则置前因子为. 例4-41 求下列样本的样本方差和样本标准差,方差和标准差 14.70 15.21 14.90 15.32 15.32 解: >>X=[14.7 15.21 14.9 14.91 15.32 15.32]; >>DX=var(X,1) %方差 DX = 0.0559 >>sigma=std(X,1) %标准差 sigma = 0.2364 >>DX1=var(X) %样本方差 DX1 = 0.0671 >>sigma1=std(X) %样本标准差 sigma1 = 0.2590
命令忽略NaN的标准差 函数nanstd 格式y = nanstd(X) %若X为含有元素NaN的向量,则返回除NaN外的元素的标准差,若X为含元素NaN的矩阵,则返回各列除NaN外的标准差构成的向量. 例4-42 >> M=magic(3) %产生3阶魔方阵 M = 8 1 6 3 5 7 4 9 2 >> M([1 6 8])=[NaN NaN NaN] %替换3阶魔方阵中第1,6,8个元素为NaN M = NaN 1 6 3 5 NaN 4 NaN 2 >> y=nanstd(M) %求忽略NaN的各列向量的标准差 y = 0.7071 2.8284 2.8284 >> X=[1 5]; %忽略NaN的第2列元素 >> y2=std(X) %验证第2列忽略NaN元素的标准差 y2 = 2.8284 命令样本的偏斜度 函数skewness 格式y = skewness(X) %X为向量,返回X的元素的偏斜度;X为矩阵,返回X各列元素的偏斜度构成的行向量. y = skewness(X,flag) %flag=0表示偏斜纠正,flag=1(默认)表示偏斜不纠正. 说明偏斜度样本数据关于均值不对称的一个测度,如果偏斜度为负,说明均值左边的数据比均值右边的数据更散;如果偏斜度为正,说明均值右边的数据比均值左边的数据更散,因而正态分布的偏斜度为0;偏斜度是这样定义的:
基于MATLAB的概率统计数值实验
基于MATLAB的概率统计数值实验 三、数理统计 1. Matlab统计工具箱中常见的统计命令 2. 直方图和箱线图实验 3. 抽样分布实验 4. 参数估计和假设检验实验 1
Matlab统计工具箱中常见的统计命令 1、基本统计量 对于随机变量x，计算其基本统计量的命令如下： ●均值：mean(x) 标准差：std(x) ●中位数：median(x) 方差：var(x) ●偏度：skewness(x) 峰度：kurtosis(x) 2、频数直方图的描绘 ●A、给出数组data的频数表的命令为：[N,X]=hist(data,k) ●此命令将区间[min(data),max(data)]分为k个小区间(缺省为10)，返回数组 data落在每一个小区间的频数N和每一个小区间的中点X。 ●B、描绘数组data的频数直方图的命令为：hist(data,k) 2
3、参数估计 ●A、对于正态总体，点估计和区间估计可同时由以下命令获得： ●[muhat,sigmahat,muci,sigmaci]=normfit(x,alpha) ●此命令在显著性水平alpha下估计x的参数（alpha缺省值为5%），返回值 muhat是均值的点估计值，sigmahat是标准差的点估计值，muci是均值的区 间估计，sigmaci是标准差的区间估计。 ●B、对其他分布总体，两种处理办法：一是取容量充分大的样本，按中 心极限定理，它近似服从正态分布，仍可用上面估计公式计算；二是使用特定分布总体的估计命令，常用的命令如： ●[muhat,muci]=expfit(x,alpha) ●[lambdahat, lambdaci]=poissfit(x,alpha) ●[phat, pci]=weibfit(x,alpha)3