西安交大概率论上机实验报告
西安交大概率论上机实验报告
概率论上机实验报告班级：姓名：学号：一、实验目的1）熟悉Matlab中概率统计部分的常见命令与应用。
2）掌握运用Matlab解决概率问题的方法。
二、实验内容和步骤1.常见分布的概率密度及分布函数1)二项分布源码为：1.x=0:1:100;2.y1=binopdf(x,100,1/2); %求概率密度3.y2=binocdf(x,100,1/2); %求分布函数4.subplot(1,2,1)5.plot(x,y1)6.title('二项分布概率密度')7.subplot(1,2,2)8.plot(x,y2)9.title('二项分布分布函数')所得图形为：2)几何分布源码为：1.x=0:1:100;2.y1=geopdf(x,; %求概率密度3.y2=geocdf(x,; %求分布函数4.subplot(1,2,1)5.plot(x,y1)6.title('几何分布概率密度')7.subplot(1,2,2)8.plot(x,y2)9.title('几何分布分布函数')所得图形为：3)泊松分布源码为：1.x=0:1:100;2.y1=poisspdf(x,10); %求概率密度3.y2=poisscdf(x,10); %求分布函数4.subplot(1,2,1)5.plot(x,y1)6.title('泊松分布概率密度')7.subplot(1,2,2)8.plot(x,y2)9.title('泊松分布分布函数')所得图形为：4)均匀分布源码为：1.x=0:1:100;2.y1=unifpdf(x,0,100) %求概率密度3.y2=unifcdf(x,0,100); %求分布函数4.subplot(1,2,1)5.plot(x,y1)6.title('均匀分布概率密度')7.subplot(1,2,2)8.plot(x,y2)9.title('均匀分布分布函数')所得图形为：5)指数分布源码为：1.x=0:1:100;2.y1=exppdf(x,10); %求概率密度3.y2=expcdf(x,10); %求分布函数4.subplot(1,2,1)5.plot(y1)6.title('指数分布概率密度')7.subplot(1,2,2)8.plot(y2)9.title('指数分布分布函数')所得图形为：6)正态分布源码为：1.x=-10::10;2.y1=normpdf(x,0,1); %求概率密度3.y2=normcdf(x,0,1); %求分布函数4.subplot(1,2,1)5.plot(y1)6.title('正态分布分布概率密度')7.subplot(1,2,2)8.plot(y2)9.title('正态分布分布函数')所得图形为：7)卡方分布源码为：1.x=0::100;2.y1=chi2pdf(x,10); %求概率密度3.y2=chi2cdf(x,10); %求分布函数4.subplot(1,2,1)5.plot(y1)6.title('卡方分布分布概率密度')7.subplot(1,2,2)8.plot(y2)9.title('卡方分布分布函数')所得图形为：8)对数正态分布源码为：1.x=0::100;2.y1=lognpdf(x,2,1); %求概率密度3.y2=logncdf(x,2,1); %求分布函数4.subplot(1,2,1)5.plot(y1)6.title('对数正态分布分布概率密度')7.subplot(1,2,2)8.plot(y2)9.title('对数正态分布分布函数')所得图形为：9)F分布源码为：1.x=0::10;2.y1=fpdf(x,10,10); %求概率密度3.y2=fcdf(x,10,10); %求分布函数4.subplot(1,2,1)5.plot(y1)6.title('F分布分布概率密度')7.subplot(1,2,2)8.plot(y2)9.title('F分布分布函数')所得图形为：10)t分布源码为：1.x=-10::10;2.y1=tpdf(x,10); %求概率密度3.y2=tcdf(x,10); %求分布函数4.subplot(1,2,1)5.plot(y1)6.title('T分布分布概率密度')7.subplot(1,2,2)8.plot(y2)9.title('T分布分布函数')所得图形为：2.掷均匀硬币n次，检验正面出现的频率逼近1/21)思路：编写一个程序，验证随着n的增大，正面出现的频率越来越接近1/2。
西安交大概率论上机实验报告-西安交通大学概率论实验报告
概率论与数理统计上机实验报告一、实验内容使用MATLAB 软件进行验证性实验，掌握用MATLAB 实现概率统计中的常见计算。
本次实验包括了对二维随机变量，各种分布函数及其图像以及频率直方图的考察。
1、列出常见分布的概率密度及分布函数的命令，并操作。
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45=X 的概率和45≤X 的概率；(2) 绘制分布函数图形和概率分布律图形。
3、用Matlab 软件生成服从二项分布的随机数，并验证泊松定理。
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。
5、来自某个总体的样本观察值如下，计算样本的样本均值、样本方差、画出频率直方图。
A=[16 25 19 20 25 33 24 23 20 24 25 17 15 21 22 26 15 23 2220 14 16 11 14 28 18 13 27 31 25 24 16 19 23 26 17 14 30 21 18 16 18 19 20 22 19 22 18 26 26 13 21 13 11 19 23 18 24 28 13 11 25 15 17 18 22 16 13 12 13 11 09 15 18 21 15 12 17 13 14 12 16 10 08 23 18 11 16 28 13 21 22 12 08 15 21 18 16 16 19 28 19 12 14 19 28 28 28 13 21 28 19 11 15 18 24 18 16 28 19 15 13 22 14 16 24 20 28 18 18 28 14 13 28 29 24 28 14 18 18 18 08 21 16 24 32 16 28 19 15 18 18 10 12 16 26 18 19 33 08 11 18 27 23 11 22 22 13 28 14 22 18 26 18 16 32 27 25 24 17 17 28 33 16 20 28 32 19 23 18 28 15 24 28 29 16 17 19 18] 6. 利用Matlab 软件模拟高尔顿板钉试验。
西安交通大学概率论上机实验
西安交通⼤学概率论上机实验[公司名称]Matlab 上机实验尾号为7（题号5、8、9、12、16）第五题题⽬通过⾎检对某地区的N 个⼈进⾏某种疾病普查。
有两套⽅案：⽅案⼀是逐⼀检查；⽅案⼆是分组检查。
那么哪⼀种⽅案好？若这种疾病在该地区的发病率为0.1；0.05；0.01，试分析评价结果。
分析⽅案⼀需要检验N 次。
⽅案⼆：假设检验结果阴性为“正常”、阳性为“患者”，把受检者分为k 个⼈⼀组，把这k 个⼈的⾎混合在⼀起进⾏检验，如果检验结果为阴性，这说明k 个⼈的⾎液全为阴性，因⽽这k 个⼈总共只要检验⼀次就够了；如果结果为阳性，要确定k 个⼈的⾎液哪些是阳性就需要逐⼀再检查，因⽽这k 个⼈总共需要检查k+1次。
因此⽅案⼆在实施时有两种可能性，要和⽅案⼀⽐较，就要求出它的平均值（即平均检验次数）。
假设这⼀地区患病率（即检查结果为阳性的概率）为p ，那么检验结果为阴性的概率为，这时k 个⼈⼀组的混合⾎液是阴性的概率为，是阳性的概率为，则每⼀组所需的检验次数是⼀个服从⼆点分布的⼀个随机变量，下⾯的问题是，怎样确定k 的值使得次数最少？由以上计算结果可以得出：当，即时，⽅案⼆就⽐⽅案⼀好，总得检验次数为Y=。
当p=0.1时，⽤matlab 画出上述函数的图像： for i=1:1:101q p =-k q 1k q -ξ()1(1)11k k kE q k q k kq ξ=?++?-=+-1kk kq k +-p 11,k k kq q k f f()1k Nk kq k +-?k(i)=i;y(i)=(1+k(i)-k(i)*0.9^k(i))/k(i); end plot(k,y)可以看出，当k=4的时候最⼩，故此时每组⼈数应该取为4。
y=(1+k-k*0.9^k)/k*10000得到平均为5939次；P=0.05，k=5时，平均为4262次； P=0.01，k=32时，平均为3063次。
综上，采⽤合适的分组数时分组可以显著减少检验次数。
西安交通大学概率论实验报告-蒙特卡洛法
西安交通大学实验报告课程：概率论与数理统计实验日期：2013/12/22报告日期：2013/12/24专业班级：姓名：学号：实验内容：用蒙特卡洛方法估计积分值要求：（1）针对要估计的积分选择适当的概率分布设计蒙特卡洛方法；（2）利用计算机产生所选分布的随机数以估计积分值；（3）进行重复试验，通过计算样本均值以评价估计的无偏性；通过计算均方误差（针对第1类题）或样本方差（针对第2类题）以评价估计结果的精度。
目的：（1）能通过 MATLAB 或其他数学软件了解随机变量的概率密度、分布函数及其期望、方差、协方差等；（2）熟练使用 MATLAB 对样本进行基本统计，从而获取数据的基本信息；（3）能用 MATLAB 熟练进行样本的一元回归分析。
1用蒙特卡洛方法估计积分2sinx xdxπ⎰，2xe dx+∞⎰和22221x yx ye dxdy++≤⎰⎰的值，并将估计值与真值进行比较。
1)2sinx xdxπ⎰用区间为0-π/2的均匀分布产生；代码如下N=10000;x=unifrnd(0,pi/2,N,1); mean(x.*sin(x)*pi/2)计算出10次的数值计算出精确值：syms x ;int(x.*sin(x),0,pi/2)精确值为1；计算出均值：1.00158计算出均方误差：0.0000637580结论：这是一个计算积分的很好的近似，误差很小。
接下来考虑计算第二个积分：2)考虑2xe dx +∞⎰由对称性可以考虑正态分布N（0,1），代码如下：N=10000;x=normrnd(0,1,N,1)0.5*mean((sqrt(2.*pi)).*exp(-x.^2./2))求出均值为0.88598取0.8860计算出均方误差为：0.000018204说明误差允许范围内，可以用其作为积分的近似。
若考虑用参数为1的指数分布E（1）代码为：N=10000;x=exprnd(1,N,1)mean(exp(-x.^2./2+x))精确值为：0.8862计算出平均值为：1.25164计算出均方误差为：0.13356381和正态分布比相去甚远，效果不如正态分布3)22221x yx ye dxdy++≤⎰⎰利用代码计算出积分：N=10000;x=unifrnd(0,1,N,1) //已经转换为极坐标，r在[0,1]取值，取[0,1]均匀分布2*pi*mean(x.*exp(-x.^2))计算出十个值为：计算出平均值为：1.98397计算出均方误差为：0.000059其值与精确值非常接近，可以作为一个很好的近似第二类题：4) dx e x ⎰102用如下代码计算：N=10000;x=unifrnd(0,1,N,1) //[0,1]上的均匀分布mean(exp(x.^2))计算出平均值为：1.4619计算出标准偏差为：0.003304 ，说明波动性较小计算出均方误差为：0.000010其值与精确值非常接近，可以作为一个很好的近似5)22x y x d y +≤⎰⎰ 用如下代码计算：N=10000; x=unifrnd(0,2,N,1) //转换为极坐标后取[0,2]的均匀分布4*pi*mean(x./sqrt(1+x.^2)) 计算出平均值为：7.76363计算出标准偏差为：0.015241，说明波动性较小计算出均方误差为：0.000217其值与精确值非常接近，可以作为一个很好的近似。
西安交通大学算法上机实验报告
《计算机算法设计与分析》上机实验报告姓名：班级：学号：日期：2016年12月23日算法实现题3-14 最少费用购物问题★问题描述：商店中每种商品都有标价。
例如，一朵花的价格是2元，一个花瓶的价格是5元。
为了吸引顾客，商店提供了一组优惠商品价。
优惠商品是把一种或多种商品分成一组，并降价销售。
例如，3朵花的价格不是6元而是5元。
2个花瓶加1朵花的优惠价格是10元。
试设计一个算法，计算出某一顾客所购商品应付的最少费用。
★算法设计：对于给定欲购商品的价格和数量，以及优惠价格，计算所购商品应付的最少费用。
★数据输入：由文件input.txt提供欲购商品数据。
文件的第1行中有1个整数B（0≤B≤5），表示所购商品种类数。
在接下来的B行中，每行有3个数C,K和P。
C表示商品的编码（每种商品有唯一编码），1≤C≤999；K表示购买该种商品总数，1≤K≤5；P是该种商品的正常单价（每件商品的价格），1≤P≤999。
请注意，一次最多可购买5*5=25件商品。
由文件offer.txt提供优惠商品价数据。
文件的第1行中有1个整数S（0≤S≤99），表示共有S种优惠商品组合。
接下来的S行，每行的第1个数描述优惠商品组合中商品的种类数j。
接着是j个数字对（C，K），其中C是商品编码，1≤C≤999；K表示该种商品在此组合中的数量，1≤K≤5。
每行最后一个数字P （1≤P≤9999）表示此商品组合的优惠价。
★结果输出：将计算出的所购商品应付的最少费用输出到文件output.txt。
输入文件示例输出文件示例Input.txt offer.txt output.txt2 2 147 3 2 1 7 3 58 2 5 2 7 1 8 2 10解：设cost（a，b，c，d，e）表示购买商品组合（a，b，c，d，e）需要的最少费用。
A[k]，B[k]，C[k]，D[k]，E[k]表示第k种优惠方案的商品组合。
offer （m）是第m种优惠方案的价格。
西安交通大学数学建模上机实验报告
问题一某大型制药厂销售部门为了找出某种注射药品销量与价钱之间的关系,通过市场调查搜集了过去30个销售周期的销量及销售价钱的数据,如表.按照这些数据至少成立两个数学模型, 作出图形,比较误差。
问题分析：该问题是通过已知的过去30个销售周期的销量及销售价钱的 数据，来寻觅一个最能反映该药销量与价钱之间的函数曲 线。
在数学上归结为最佳曲线拟合问题。
大体思想：曲线拟合问题的提法:已知一组二维数据，即平面上的n 个点),x i i y （ i=1,2,3.....n ，i x 互不相同，寻求一个函数)(f y x =，使)(x f 在某中准则下与所有数据点最为接近，即曲线拟合得最好。
最小二乘法是解决曲线拟合最常常利用的方式.大体思路：1122 ()()()()m m f x a r x a r x a r x =+++令其中rk(x) 是事前选定的一组函数，ak 是待定系数(k=1,2,…,m,m ＜n), 拟合准则是使n 个点(xi,yi) (i=1,2…,n)，与y=f(xi)的距离 的平方和最小，称最小二乘法准则。
一、系数的肯定22111 (,,)[()]n nm ii i i i J a a f x y δ====-∑∑记求m a a ,,1 使得使J 达到最小.0 (1,,)kJ k m a ∂==∂ 取得关于 m a a ,,1 的线性方程组：11111()[()]0 ()[()]0nmi k k i i i k n mm i k k i i i k r x a r x y r x a r x y ====⎧-=⎪⎪⎪⎨⎪⎪-=⎪⎩∑∑∑∑ 1 ,,().m a a f x 解出，即得散点图： 程序： x=[,,,,,,,,,,,,,,,,,,,,,,,,,,,,,]; y=[,,,,,,,,,,,,,,,,,,,,,,,,,,,,,]; plot(x,y,'r.')通过观察，结合实际情形。
概率论上机实验报告
概率论上机实验报告《概率论上机实验报告》在概率论的学习中，实验是非常重要的一部分。
通过实验，我们可以验证概率论的理论，加深对概率的理解，同时也可以提高我们的实验能力和数据处理能力。
本次实验报告将详细介绍一次概率论的上机实验，包括实验目的、实验方法、实验结果和实验分析。
实验目的：本次实验的目的是通过随机抽样的方法，验证概率论中的一些基本概念和定理，包括概率的计算、事件的独立性、事件的互斥性等。
通过实际操作，加深对这些概念的理解，同时也提高我们的实验技能和数据处理能力。
实验方法：本次实验采用计算机模拟的方法进行。
首先，我们选择了几个经典的概率问题作为实验对象，包括掷骰子、抽球问题等。
然后，通过编写程序，模拟进行大量的随机实验，得到实验数据。
最后，通过对实验数据的统计分析，验证概率论中的一些基本概念和定理。
实验结果：通过实验，我们得到了大量的实验数据。
通过对这些数据的统计分析，我们验证了概率的计算方法，验证了事件的独立性和互斥性等基本概念和定理。
实验结果表明，概率论中的一些基本概念和定理在实际中是成立的，这也进一步加深了我们对概率论的理解。
实验分析：通过本次实验，我们不仅验证了概率论中的一些基本概念和定理，同时也提高了我们的实验能力和数据处理能力。
通过实验，我们深刻理解了概率论的一些基本概念和定理，并且也掌握了一些实验技能和数据处理技能。
这对我们今后的学习和工作都将有很大的帮助。
总结：通过本次实验，我们深刻理解了概率论的一些基本概念和定理，同时也提高了我们的实验能力和数据处理能力。
这对我们今后的学习和工作都将有很大的帮助。
希望通过这次实验，我们能更加深入地理解概率论，并且提高我们的实验技能和数据处理技能。
概率论实验报告
概率论实验报告班级：电气211姓名：***学号：**********第一次实验实验一1、实验目的熟练掌握MATLAB软件关于概率分布作图的基本操作会进行常用的概率密度函数和分布函数的作图绘画出分布律图形2、实验要求掌握MATLAB的画图命令plot掌握常见分布的概率密度图像和分布函数图像的画法3、实验内容1、设X~b(20,0,25)(1)生成X的概率密度；(2)产生18个随机数（3行6列）(3)又已知分布函数F(x)=0.45，求x(4)画出X的分布律和分布函数图形4、实验方案了解到MATLAB在二项分布中有计算概率密度函数binopdf，产生随机数的函数binornd，计算确定分布函数值对应的自变量x的函数binoinv，可以直接生成X的概率密度和产生18个随机数（3行6列），求已知分布函数F(x)=0.45对应的x的值。
最后用binopdf函数、binocdf函数和plot函数画出X的分布律和分布函数图形5、实验过程(1)生成X的概率密度binopdf(0:20,20,0.25)ans =Columns 1 through 120.0032 0.0211 0.0669 0.1339 0.1897 0.2023 0.16860.1124 0.0609 0.0271 0.0099 0.0030Columns 13 through 210.0008 0.0002 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000(2)产生18个随机数（3行6列）binornd(20,0.25,3,6)ans =6 4 1 2 6 44 3 6 2 6 24 5 6 6 5 6(3)已知分布函数F(x)的值，求xbinoinv(0.45,20,0.25)ans =5(4) 画出X的分布律和分布函数图形x=0:20;y=binopdf(x,20,0.25);subplot(1,2,1);plot(x,y,'*');x=0:0.01:20;y=binocdf(x,20,0.25);subplot(1,2,2);plot(x,y)6、 小结1.上机时对于matlab 的命令应该灵活使用，明白命令中每个参数的意义及输出内容的意义，对于matlab 命令的理解也应该联系概率论的理论基础2.学习matlab 的命令注意学会总结各个命令的用处与差异，不至于对相似的命令混淆。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
概率论上机实验报告一、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。
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。
binopdf(45,150,0.5)%计算X=45的概率binocdf(45,150,0.5)%计算X<=45的概率x=0:1:150;y1=binopdf(x,150,0.5);y2=binocdf(x,150,0.5);subplot(1,2,1);plot(x,y1); %概率密度分布图subplot(1,2,2);plot(x,y2); %分布函数图运行结果：3、用Matlab软件生成服从二项分布的随机数，并验证泊松定理。
binornd(2000,0.04,1,20)%产生二项分布随机数x=0:1:200;y1=binopdf(x,200,0.4);y2=binopdf(x,2000,0.04);y3=binopdf(x,20000,0.004);y4=poisspdf(x,80);subplot(1,3,1);plot(x,y1,'^r');hold onplot(x,y4,'.');%λ=80时与泊松分布对比subplot(1,3,2);plot(x,y2,'^r');hold onplot(x,y4,'.');%λ=800时与泊松分布对比subplot(1,3,3);plot(x,y3,'^r');hold onplot(x,y4,'.');%λ=8000时与泊松分布对比运行结果：ans =83 89 84 93 81 101 87 79 84 81 97 81 66 84 81 70 88 65 82 794、设f(x,y)=12πe−x2+y22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。
x=-4:0.1:4;y=-4:0.1:4;[xb,yb]=meshgrid(x,y);zb=exp(-0.5*(xb.^2+yb.^2))/(2*pi);mesh(xb,yb,zb)运行结果：5、来自某个总体的样本观察值如下，计算样本的样本均值、样本方差、画出频率直方图。
A=[16 25 19 20 25 33 24 23 20 24 25 17 15 21 22 26 15 23 2220 14 16 11 14 28 18 13 27 31 25 24 16 19 23 26 17 14 30 2118 16 18 19 20 22 19 22 18 26 26 13 21 13 11 19 23 18 24 2813 11 25 15 17 18 22 16 13 12 13 11 09 15 18 21 15 12 17 1314 12 16 10 08 23 18 11 16 28 13 21 22 12 08 15 21 18 16 1619 28 19 12 14 19 28 28 28 13 21 28 19 11 15 18 24 18 16 2819 15 13 22 14 16 24 20 28 18 18 28 14 13 28 29 24 28 14 1818 18 08 21 16 24 32 16 28 19 15 18 18 10 12 16 26 18 19 3308 11 18 27 23 11 22 22 13 28 14 22 18 26 18 16 32 27 25 2417 17 28 33 16 20 28 32 19 23 18 28 15 24 28 29 16 17 19 18]A=[16 25 19 20 25 33 24 23 20 24 25 17 15 21 22 26 15 23 22 20 14 16 11 14 28 18 13 27 31 25 24 16 19 23 26 17 14 30 21 18 16 18 19 20 22 19 22 18 26 26 13 21 13 11 19 23 18 24 28 13 11 25 15 17 18 22 16 13 12 13 11 09 15 18 21 15 12 17 13 14 12 16 10 08 23 18 11 16 28 13 21 22 12 08 15 21 18 16 16 19 28 19 12 14 19 28 28 28 13 21 28 19 11 15 18 24 18 16 28 19 15 13 22 14 16 24 20 28 18 18 28 14 13 28 29 24 28 14 18 18 18 08 21 16 24 32 16 28 19 15 18 18 10 12 16 26 18 19 33 08 11 18 27 23 11 22 22 13 28 14 22 18 26 18 16 32 27 25 24 17 17 28 33 16 20 28 32 19 23 18 28 15 24 28 29 16 17 19 18];[n,x]=hist(A,15)hist(A,15);mean=mean(A)var=var(A)运行结果：n =5 10 18 9 27 31 14 14 17 10 12 22 2 26 x =8.8333 10.5000 12.1667 13.8333 15.5000 17.1667 18.8333 20.5000 22.1667 23.8333 25.5000 27.1667 28.8333 30.5000 32.1667mean =19.5176var =34.40256. 利用Matlab软件模拟高尔顿板钉试验。
m=500;n=6;y0=3;w=10000;v=1000;ballnum=zeros(1,n+1);p=0.5;q=1-p;for i=n+1:-1:1x(i,1)=0.5*(n-i+1);y(i,1)=(n-i+1)+y0;for j=2:ix(i,j)=x(i,1)+(j-1)*1;y(i,j)=y(i,1);endendmm=moviein(m);for i=1:ms=rand(1,w);xi=x(1,1);yi=y(1,1);k=1;l=1;for j=1:nplot(x(1:n,:),y(1:n,:),'o',x(n+1,:),y(n+1,:),'.-')axis([-2 n+2 0 y0+n+1]),hold onk=k+1;if s(j)>pl=l;elsel=l+1;endxt=x(k,l);yt=y(k,l);h=plot([xi,xt],[yi,yt]);axis([-2 n+2 0 y0+n+1])xi=xt;yi=yt;endballnum(l)=ballnum(l)+1;ballnum1=3*ballnum./m;bar((0:n),ballnum1);axis([-2 n+2 0 y0+n+1])mm(i)=getframe;hold offend运行结果:7. 自选题：会面问题甲乙两人相约某天9:00-10:00在某地会面商谈生意,双方约定先到者必须等候另一人20分钟,过时如果另一人仍未到则可离去,试求两人能够会面的概率。
用Matlab软件编程模拟实现这个过程，并与理论结果相比较。
先用所学概率论知识建模并求解将9点到10点看成是0到60分钟，则甲乙两人到达的时间概率分布可看做是分布，此时不妨设甲到达的时间为t1,乙到达的时间为t2，（0<=t1,t2<=60）当t1，t2满足|t1-t2|<=20时，两人则可碰面。
下面画出图形便于形象理解。
如图红线与黄线所围中间部分即为两人会面的情况，根据均匀分布的概率分布，可知两人会面概率为S围/S总=5/9=0.5556.用Matlab软件编程模拟实现这个过程，并与理论结果相比较。
Matlab源代码syms l;l=0;for i=1:100；a=60*rand(1,2);if(abs(a(1,1)-a(1,2))<=20)；l=l+1;end；end；l/100；表示两者相遇的次数，经过计算，当实验次数为100次时，会面概率为0.4600；下面我们增大实验次数，实验次数为1000时，会面概率为0.5590；实验次数为10000时，会面概率为0.5525；实验次数为100000时，会面概率为0.5546；实验次数为1000000时，会面概率为0.5552；…从随机实验可以发现，当实验次数越来越大时，随机事件发生的概率就越来越稳定于一个值，而这个值与我们理论计算出来的值是一致的，因此从实验角度证明了概率论概率计算理论的正确性。
二、实验小结与心得体会通过这次实验，我知道了Matlab在概率方面的应用，掌握了很多这多关于概率的命令与基本模型，，继高等数学，工程电磁场，信号与系统之后也更加熟悉了Matlab这款数学工具，觉得Matlab的应用非常广泛。
用计算机建立了概率论的模型后，加深了对问题的认识和对知识的理解，对以后概率论的学习有很大的帮助。