概率论实验报告
概率论实验报告_2
概率论试验报告试验一：随机掷硬币1、模拟掷一枚硬币的随机试验（可用0——1随机数来模拟试验结果），取n=100，模拟掷n次硬币的随机试验。
记录试验结果，观察样本空间的确定性及每次试验结果的偶然性，统计正面出现的次数，并计算正面的出现的频率；试验结果如下：测试中出现零代表正面，出现一代表反面，其中共计50次正面50次反面。
2、取试验次数n=1000，将过程（1）重复三次，比较三次试验结果试验结果如下3、三次结果分别是0.501,0.503,0.521 。
这充分说明模拟情况接近真实情况，频率接近概率0.5。
试验二：高尔顿钉板试验1、自高尔顿钉板上端放一个小球, 任其自由下落. 在其下落过程中，当小球碰到钉子时从左边落下的概率为p , 从右边落下的概率为,1p -碰到下一排钉子又是如此, 最后落到底板中的某一格子. 因此任意放入一球, 则此球落入哪个格子事先难以确定. 设横排共有20=m 排钉子, 下面进行模拟实验:(1) 取,5.0=p 自板上端放入一个小球, 观察小球落下的位置; 将该实验重复作5次, 观察5次实验结果的共性及每次实验结果的偶然性;(2) 分别取,85.0,5.0,15.0=p 自板上端放入n 个小球, 取,5000=n 观察n 个小球落下后呈现的曲线我们分析可知，这是一个经典的古典概型试验问题2、具体程序：3、我们分析实验结果可知，若小球碰钉子后从两边落下的概率发生变化, 则高尔顿钉板实验中小球落入各个格子的频数发生变化, 从而频率也相应地发生变化. 而且, 当,5.0p曲线峰值的格子位置向右偏; 当><p曲线峰值的格子位置向左偏。
,5.0试验三：抽签试验1、我们做模拟实验，用1-10的随机整数来模拟实验结果。
在1-10十个随机数中，假设10代表抽到大王，将这十个数进行全排，10出现在哪个位置，就代表该位置上的人摸到大王。
每次随机排列1-10共10个数，10所在的位置随机变化，分别输出模拟实验10次, 100次,1000次的结果, 将实验结果进行统计分析, 给出分析结果。
概率论实践与分析研究报告
概率论实践与分析研究报告概率论实践与分析研究报告一、研究背景概率论是数学的一个分支，研究随机现象的规律，以及通过具体数据和实验得出结论的方法和工具。
在实际应用中，概率论被广泛应用于风险评估、统计分析、金融模型等领域。
二、研究目的本研究旨在通过实践与分析，探讨概率论在实际问题中的应用，验证其有效性和可行性，并对结果进行分析和解释。
三、研究方法1. 数据收集：收集相关领域的实际数据，并进行整理和清理。
2. 概率分析：根据数据进行概率分析，包括计算概率、期望值、方差等统计指标。
3. 模型建立：基于概率分析结果，建立相应的概率模型，如随机变量模型、概率分布模型等。
4. 实证分析：根据模型进行实证分析，对实际问题进行预测、评估和解释。
四、研究内容与结果根据实际问题的特点和数据可用性，选择了以下几个典型案例进行研究：1. 金融市场风险评估：通过概率分析，计算了不同金融产品的收益率分布和风险指标（如价值-at-风险），并建立了相应的风险模型。
实证分析结果表明，风险模型能够较好地描述金融市场的波动性，并对投资决策提供了参考依据。
2. 生产质量控制：收集了一家制造企业的产品质量数据，进行了概率分析和模型建立。
通过模型预测，企业能够根据不同的质量目标和控制措施，评估不良品率和良品率的概率，并制定相应的质量控制策略。
3. 疾病患病风险评估：通过大样本调查和统计分析，计算了某种疾病的患病率，并建立了相关的概率模型。
根据模型结果，能够对患病风险进行评估，并根据个体的特征进行个性化的风险提示和干预。
五、研究结论通过实践与分析，本研究验证了概率论在实际问题中的应用价值。
概率分析和模型建立能够提供科学的评估和预测方法，为决策提供了理论和实证支持。
此外，研究还发现，在实际应用中，概率论需要结合统计学、数据科学等相关领域的方法和技术，才能更好地应对复杂的实际问题。
六、研究展望虽然本研究初步探索了概率论在实践与分析中的应用，但仍存在一些问题和挑战，如数据的可靠性和可用性、模型的精确性和适用性等。
概率论教学实践报告总结(3篇)
第1篇一、前言概率论是数学的一个重要分支，它研究随机现象及其规律。
随着我国教育事业的不断发展，概率论在教学中的地位日益重要。
为了提高教学质量，探索有效的教学策略，我们开展了一系列概率论教学实践活动。
现将本次实践活动的总结如下：二、实践目的1. 提高学生对概率论知识的掌握程度，培养学生的逻辑思维能力。
2. 探索适合我国学生特点的概率论教学方法，提高课堂教学效果。
3. 加强师生互动，培养学生的自主学习能力。
4. 丰富教师的教学经验，提高教师的专业素养。
三、实践内容1. 教学方法改革（1）启发式教学：教师在课堂上注重引导学生思考，通过提问、讨论等方式，激发学生的学习兴趣，提高学生的思维能力。
（2）案例教学：结合实际生活中的例子，让学生理解概率论知识在实际中的应用，提高学生的实践能力。
（3）小组合作学习：将学生分成若干小组，共同完成教学任务，培养学生的团队协作能力。
2. 教学手段创新（1）多媒体教学：利用PPT、视频等多媒体手段，使教学内容更加生动形象，提高学生的学习兴趣。
（2）网络教学：通过在线课程、论坛等网络平台，拓宽学生的学习渠道，提高学生的学习效果。
（3）实验教学：开展概率实验，让学生亲身体验概率现象，加深对概率论知识的理解。
3. 教学评价改革（1）过程性评价：关注学生在学习过程中的表现，如课堂发言、作业完成情况等。
（2）结果性评价：关注学生对知识掌握程度，如期中、期末考试等。
（3）多元评价：结合学生自评、互评、教师评价等多种方式，全面评价学生的学习成果。
四、实践效果1. 学生对概率论知识的掌握程度有了明显提高，课堂参与度显著提升。
2. 学生在解决实际问题时，能够运用概率论知识进行分析，提高了解决问题的能力。
3. 学生在团队协作、自主学习等方面取得了较好成绩，综合素质得到提高。
4. 教师的教学经验得到了丰富，教学水平得到提高。
五、存在问题及改进措施1. 存在问题（1）部分学生对概率论知识缺乏兴趣，学习积极性不高。
概率论试验报告
概率论试验报告实验一概率计算实验目的：掌握用MATLAB实现概率中的常见计算1、选择三种常见随机变量的分布，计算它们的期望与方差（参数自己设定）2、已知机床加工得到的某零件尺寸服从期望为20cm,标准差为1.5cm的正态分布。
（1）任意抽取一个零件，求它的尺寸在（19,22）区间的概率；（2）若规定尺寸不小于某一标准值的零件为合格品，要使合格品的概率为0.9，如何确定这个标准值？（3）独立的取25个组成一个样本，求样本均值在（19,22）区间的概率。
3、比较t(10)分布和标准正态分布的图像。
1．均匀分布：设定为服从在（0，1）上的均匀分布。
则代码为：2.参数为1的指数分布：3.标准正态分布：2.（1）。
概率为（2）。
求得的值为：（3）。
由题目可知样本均值服从（20，0.3）的正态分布，所以代码为：3.我们取区间[-3,3]，间隔为0.1，画得的图为：上方的曲线为t分布，下面的为正态分布曲线。
实验二样本的统计与计算实验目的：学习利用MATLAB求来自总体的一个样本的样本均值、中位数、样本方差、样本分位数和其它数字特征，并能作出频率直方图和经验分布函数来自某总体的样本观察值如下，计算样本的样本均值、中位数、样本方差、画出频率直方图经验分布函数图。
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]代码为：代码为：[a,b]=hist(A); bar(b,a/sum(a))画得的图为：实验三数理统计中的常用方法实验目的：能熟练用matlab做参数点估计、区间估计和假设检验。
概率论实验报告
概率论与数理统计实验报告实验名称： 区间估计姓名 学号 班级 实验日期一、实验名称：区间估计二、实验目的：1. 会用MATLAB 对一个正态总体的参数进行区间估计；2. 会对两个正态总体的均值差和方差比进行区间估计。
三、实验要求：1. 用MATLAB 查正态分布表、χ2分布表、t 分布表和F 分布表。
2. 利用MATLAB 进行区间估计。
四、实验内容：1. 计算α=0.1, 0.05, 0.025时，标准正态分布的上侧α分位数。
2. 计算α=0.1, 0.05, 0.025，n =5, 10, 15时，χ2(n )的上侧α分位数（注：α与n相应配对，即只需计算2220.10.050.025(5),(10),(15)χχχ的值，下同）。
3. 计算α=0.1, 0.05, 0.025，n =5, 10, 15时， t (n )的上侧α分位数。
4. 计算α=0.1, 0.05, 0.025时， F (8,15)的上侧α分位数； 验证：0.050.95(8,15)1(15,8)F F =；计算概率{}312P X ≤≤。
5. 验证例题6.28、例题6.29、例题6.30、习题6.27、习题6.30。
五、实验任务及结果：任务一：计算α=0.1, 0.05, 0.025时，标准正态分布的上侧α分位数。
源程序：%1-1x = norminv([0.05 0.95],0,1)%1-2y = norminv([0.025 0.975],0,1)%1-3z = norminv([0.0125 0.9875],0,1)结果：x =-1.6449 1.6449y =-1.9600 1.9600z =-2.2414 2.2414结论：α=0.1时的置信区间为[-1.6449，1.6449]，上侧α分位数为1.6449.α=0.05时的置信区间为[-1.9600，1.9600]，上侧α分位数为1.9600.α=0.025时的置信区间为[-2.2414，2.2414]，上侧α分位数为2.2414.任务二：计算α=0.1, 0.05, 0.025，n=5, 10, 15时，χ2(n)的上侧α分位数（注：α与n 相应配对，即只需计算2220.10.050.025(5),(10),(15)χχχ的值，下同）。
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。
实验报告概率论
1.正态分布的数值计算:设X ～),(2σμN ；1）当5.0,5.1==σμ时，计算 }9.28.1{<<X P ，}5.2{X P <-；2）当5.0,5.1==σμ时,若95.0}{=<x X P ，求x ；3）分别绘制3,2,1=μ，5.0=σ 时的概率密度函数图形。
解答如下：程序：clearclcmu=1.5;sigma=0.5;p1=normcdf(2.9,mu,sigma)-normcdf(1.8,mu,sigma)p2=1-normcdf(-2.5,mu,sigma)p3=normcdf(0.1,mu,sigma)+(1-normcdf(3.3,mu,sigma))x=norminv(0.95,mu,sigma)fx=-2:.1:2;f1=pdf('norm',fx+1,1,0.5);subplot(311)plot(fx+1,f1)title('\mu=1')f1=pdf('norm',fx+2,2,0.5);subplot(312)plot(fx+2,f1)title('\mu=2')f1=pdf('norm',fx+3,3,0.5);subplot(313)plot(fx+3,f1)title('\mu=3')运行结果：p1 =0.2717p2 =1.0000p3 =0.0027x =2.3224χ分布、-t分布及F分布的概率密度曲线，每种情况2. 就不同的自由度画出2至少画三条曲线，并将-t分布的概率密度曲线与标准正态分布的概率密度曲线进行比较。
解答如下：程序：figurex=0:.01:5;y=pdf('chi2',x,1);plot(x,y,'b')hold ony=pdf('chi2',x,2);plot(x,y,'r')y=pdf('chi2',x,3);plot(x,y,'g')title('\chi^2')legend('n=1','n=2','n=3')figurex=-5:.01:5;y=pdf('t',x,1);plot(x,y,'b')hold ony=pdf('t',x,2);plot(x,y,'c')y=pdf('t',x,1000000000000);plot(x,y,'g')y=pdf('norm',x,0,1);plot(x,y,'r--')title('t')legend('n=1','n=2','n=1000000000000','N(0,1)')figurex=0:.01:5;y=pdf('f',x,10,1000000000000);plot(x,y,'b')hold ony=pdf('f',x,10,10);plot(x,y,'r')y=pdf('f',x,10,4);plot(x,y,'g')title('F')legend('m=10,n=1000000000000','m=10,n=10','m=10,n=4')3.已知每百份报纸全部卖出可获利14元，卖不出去将赔8元，设报纸的需求量X解答如下：理论值：程序：P=[0.05 0.10 0.25 0.35 0.15 0.10];X=0:5;Profit=zeros(1,6);for x=1:6for i=1:x-1Profit(x)=Profit(x)+22*X(i)*P(i);endfor i=x:6Profit(x)=Profit(x)+22*(x-1)*P(i);endProfit(x)=Profit(x)-8*(x-1);endstem(X,Profit)Profit运行结果：Profit =0 12.9000 23.6000 28.8000 26.3000 20.5000模拟值：程序：N=[10,100,1000,10000];for k=1:4need=rand(1,N(k));for i=1:N(k)if need(i)>=0&&need(i)<0.05need(i)=0;elseif need(i)>=0.05&&need(i)<0.15need(i)=1;elseif need(i)>=0.15&&need(i)<0.4need(i)=2;elseif need(i)>=0.4&&need(i)<0.75need(i)=3;elseif need(i)>=0.75&&need(i)<0.9need(i)=4;elseif need(i)>=0.9&&need(i)<=1need(i)=5;endendfor x=0:5sale=-8*x*ones(1,N(k));for i=1:N(k)if need(i)>=xsale(i)=sale(i)+22*x;elsesale(i)=sale(i)+22*need(i);endendProfit(x+1)=mean(sale);endstem(0:5,Profit)Profitend运行结果：Profit =0 11.8000 23.6000 33.2000 34.0000 28.2000Profit =0 13.1200 25.3600 31.6600 28.9400 22.4800Profit =0 12.7460 23.4020 28.5360 25.9040 20.0380Profit =0 12.8626 23.5978 29.1168 26.7950 21.0896结论：随重复试验的次数增多，模拟值逐渐接近理论值。
概率论实验报告
题目一、均匀分布问题一、实验目的熟练掌握MATLAB软件的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作图绘画出分布律图形二、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三、实验内容第2题设X~U（-1，1）（1）求概率密度在0，0.2，0.4，0.6，0.8，1，1.2的函数值；（2）产生18个随机数（3行6列）（3）画出分布密度和分布函数图形。
四、实验过程（1）、>> x=[0 0.2 0.4 0.6 0.8 1 1.2]x =Columns 1 through 40 0.2000 0.4000 0.6000Columns 5 through 70.8000 1.0000 1.2000>> Fx=unifcdf(x,-1,1)Fx =Columns 1 through 40.5000 0.6000 0.7000 0.8000Columns 5 through 70.9000 1.0000 1.0000（2）、>> X=unifrnd(-1,1,3,6)X =Columns 1 through 40.9003 -0.0280 -0.0871 -0.1106-0.5377 0.7826 -0.9630 0.23090.2137 0.5242 0.6428 0.5839Columns 5 through 60.8436 -0.18860.4764 0.8709-0.6475 0.8338（3）、>> x1=unifinv(0.45,-1,1)x1 =-0.1000（4）、M文件x=[-1:0.1:1];Px=unifpdf(x,-1,1);Fx=unifcdf(x,-1,1);subplot(2,1,1);plot(x,Px)subplot(2,1,2);plot(x,Fx)五、小结1）使用MATLAB时一定得搞懂每一个命令的用法，免得用错导致实验结果错误。
概率论试验报告
概率论试验报告一、二项分布1.实验内容：（1）取p=0.2，绘出二项分布B(20,p)的概率分布与分布函数图，观察二项分布的概率分布与分布函数图形，理解k p 与()F x 的性质.由第一和第二幅图可以看出，(){}{}{}(),1,0,1,.k k k n x x k k k n x x F x P x P x P x C p p k n ξξξ-<=<====-=∑（2）固定p=0.2，分别取n=10,20,50,在同一坐标系内绘出二项分布B(n,p)的概率分布图。
观察二项分布的概率分布曲线随参数n 的变化。
观察最后一幅图，当n 增大时，二项分布的最大值在向右移动，同时向正态分布逼近。
二、泊松分布1.实验内容:该实验主要是为了研究泊松分布的一些性质，并且通过图形的对比更加形象的说明性质的特点；其中分别取λ=1,2,3,6，在同一坐标系下绘出泊松分布π（λ）的概率分布曲线，观察曲线特点。
你能得到什么结论？2.实验过程：利用mathematics 的图像处理功能,我们在同一坐标系下绘制出λ=1、2、3、6的泊松分布概率分布曲线，并得出以下结论。
源代码：DiscretePlot[Evaluate@Table[PDF[PoissonDistribution[],],{,{1,2,3,6}}],{,0,20},PlotRange →All,Joined →True]随着λ值的逐渐增大，图像向右偏移，且最大概率减小，图形变缓，分布加宽，整个图形更加对称；且由泊松分布概率公式：{}!kP k e k λλξ==也可看出λ增大是，当k=λ时取最大值，则{}!kP k e λλξλ==，随着λ增大，P减小，理论符合实际。
我们可以做拓展，λ=0.1,0.2,0.3,0.6的图像图像向左偏，而且呈现不规则样式。
说明，在λ有较大值时有较好的分布效果。
三、正态分布1.实验内容:分别单独改变平均值μ及方差σ的大小观察对图形的影响。
- 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)。
已知 现假设：
在 为真的情况下，检验统计量
拒绝域为
由样本值计算出统计量T的观察值，若 ，则拒绝 ，即认为机器工作正常；否则接受 ，即认为机器工作不正常
5、实验过程
n=9;
xb=(0.497+0.512+0.506+0.515+0.520+0.522+0.498+0.519+0.510)/n;
5、实验过程
(1)生成X的概率密度
binopdf(0:20,20,0.25)
ans=
Columns 1 through 12
0.0032 0.0211 0.0669 0.1339 0.1897 0.2023 0.1686 0.1124 0.0609 0.0271 0.0099 0.0030
Columns 13 through 21
u=0.5;
s=((0.497-xb)^2+(0.512-xb)^2+(0.506-xb)^2+(0.515-xb)^2+(0.520-xb)^2+(0.522-xb)^2
+(0.498-xb)^2+(0.519-xb)^2+(0.510-xb)^2)/(n-1);
t=sqrt(n)*(xb-u)/s;
0.0008 0.0002 0.00000.00000.00000.00000.00000.00000.0000
(2)产生18个随机数（3行6列）
binornd(20,0.25,3,6)
ans=
6 4 1 2 6 4
4 3 6 2 6 2
4 5 665 6
(3)已知分布函数F(x)的值，求x
binoinv(0.45,20,0.25)
3、实验内容
1、某中心有同类仪器300台，各仪器工作相互独立，且发生故障的概率均为0.01，通常一台仪器故障由一人排除，试问
（1）为保证当仪器故障时不能及时排除的概率小于0.01，至少要配多少个维修工人？
（2）若一人包修20台，仪器发生故障不能及时维修的概率是多少？
（3）若由3人共同负责维修80台，仪器发生故障时不能及时维修的概率是多少？
参数理论估计知识
两个正态总体的区间估计理论知识
MATLAB软件
3、实验内容
1、一制造商在两家工厂生产一种合成纤维，为了确定两家工厂生产的合成纤维的平均抗断强度是否一致，现从A厂抽取25个样本，得样本均值为22单位，B厂抽取16个样本，得样本均值为20单位，两家工厂生产的合成纤维的抗断强度都服从正态分布，且方差为10平方单位，请计算两总体均值差的置信水平为0.95的置信区间。
2、对于Matlab软件的Help应用不熟悉，不能充分利用Help帮助文件解决问题。
第二次试验
实验一
1、实验目的
掌握单个总体的矩估计法、极大似然估计法、区间估计法
会用MATLAB对单个总体参数进行估计
掌握两个正态总体均值差、方差比的区间估计法
会用MATLAB求两个正态总体均值差、方差比的区间估计
2、实验要求
实验二
1、实验目的
会用MATLAB软件进行单个总体均值、方差的假设检验
会用MATLAB软件进行两个总体均值差、方差比的假设检验
2、实验要求
掌握使用MATLAB进行假设检验的基本命令和操作
3、实验内容
1、用自动包装机包装大米，袋装米的重量服从正态分布，在机器正常工作的情况下，其均值为0.5kg，某天检查机器工作状况，从已包装好的大米中随机抽取9袋，称得重量为：0.497,0.512,0.506,0.515,0.520,0.522,0.498,0.519,0.510，问机器是否工作正常？（取 =0.05）
5、实验过程
(1)配备维修工人数
fori=1:300
y=binopdf(i,300,0.01);
ify<=0.01
i
break
end
end
i=
8
(2)u
y0=binopdf(0,20,0.01);
y1=binopdf(1,20,0.01);
p=1-y0-y1
p =
0.0169
(3)仪器故障不能及时维修的概率
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
q2=(x1b-x2b)+sqrt(d/n1+d/n2)*u
q1 =
0.0157
q2 =
3.9843
即置信区间为[0.0157,3.9843]
6、小结
在求置信区间的题目中，特殊分布的构造十分重要，它直接关系到我们能否求解出问题的结果。所以，我们应该熟悉在哪些已知条件下构造什么样的特殊分布，再理论推导出置信区间上、下界的表达式，最后求得置信区间。
4、实验方案
1、使用for循环，i从1到300，调用binopdf函数求机器有i台故障的概率，故障概率第一次小于0.01的时候对应的i值即为需要配备的工人数；
2、调用binopdf函数求机器有0台和1台故障的概率，继而可以求一人包修20台，仪器发生故障不能及时维修的概率
3、调用binopdf函数求机器有0台、1台、2台和3台故障的概率，继而可以求3人共同负责维修80台，仪器发生故障不能及时维修的概率
4、实验方案
y=
选取 ，使得P{ }=1- ，这里使 满足P{y }=P{y }= 求得 ，
整理可得
P{（ }
则置信区间（（ ）
5、实验过程
x1b=22;x2b=20;
n1=25;n2=16;
d=10;
u=norminv(0.975,0,1);
q1=(x1b-x2b)-sqrt(d/n1+d/n2)*
y1=binopdf(1,80,0.01);
y2=binopdf(2,80,0.01);
y3=binopdf(3,80,0.01);
p=1-(y0+y1+y2+y3)
p =
0.0087
6、小结
1、实验过程中，发现对Matlab中的命令函数不熟悉，导致一些不必要的麻烦。所以以后必须在实验之前做好充分准备，熟悉实验。
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。
实验二、
1、实验目的
加深对二项分布的理解
掌握二项分布在实际问题中的应用方法
掌握MATLAB软件在数值计算中的应用
2、实验要求
了解建立MATLAB M文件的方法，理解循环语句for-end和假设语句if-end
了解简单的MATLAB程序设计
T=-tinv(0.025,8);
ifabs(t)>=T;
a=1;
else
a=0;
end
a
a =
1
因为a=1，即拒绝 ，机器不正常工作
6、小结
通过本周六在理科楼对概率论实验的练习，我认真复习教材上假设检验一章的内容，加深了对拒绝域的理解，通过理论，推导出拒绝域的表达式，最终求解出实验结果，得出正确的结论。
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
概
率
论
实
验
报
告
班级：电气211
姓名：程佩芬
学号：2120508001
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