概率统计MATLAB求解共26页
matlab在概率统计中的计算
4.1 计算组合数、验证概率的频率定义，计算古典概率
4.1.1 计算nk.
P
P
使用语句n^k
4
第4章 概率统计
例如计算 511
N=5^11 N=
48828125
如计算 5−2.8
N=5^(-2.8) N=
0.0110
4.1.2 计算组合数 Cnk
计算组合数 Cnk 时，使用语句nchoosek(n,k).
1
MATLAB6.0数学手册
光驱：8倍速以上； 内存：至少64MB，但推荐128MB以上； 硬盘：视安装方式不同要求不统一，但至少留1GB用于安装（安装后未必有1GB）； 显卡：8位； MATLAB 6对软件的要求 Windows95 、Window98、Windows NT或Windows2000； Word97或word2000等，用于使用MATLAB Notebook； Adobe Acrobat Reader 用于阅读MATLAB的PDF的帮助信息。 MATLAB 6的安装和其它应用软件类似，可按照安装向导进行安装，这里不再赘述。 MATLAB的启动和退出 与常规的应用软件相同，MATLAB的启动也有多种方式，首先常用的方法就是双击桌面的 MATLAB图标，也可以在开始菜单的程序选项中选择MATLAB组件中的快捷方式，当然也可 以在MATLAB的安装路径的子目录中选择可执行文件“MATLAB.exe”。 启动MATLAB后，将打开一个MATLAB的欢迎界面，随后打开MATLAB的桌面系统（Desktop） 如图2-1所示。
在MATLAB命令行操作中，有一些键盘按键可以提供特殊而方便的编辑操作。比如：“↑” 可用于调出前一个命令行，“↓”可调出后一个命令行，避免了重新输入的麻烦。当然下 面即将讲到的历史窗口也具有此功能。 历史窗口（Command History） 历史命令窗口是MATLAB6新增添的一个用户界面窗口，默认设置下历史命令窗口会保留自 安装时起所有命令的历史记录，并标明使用时间，以方便使用者的查询。而且双击某一 行命令，即在命令窗口中执行该命令。 当前目录窗口（Current Directory ）
Matlab中的概率统计简介
Matlab中的概率统计简介几个有用的排列组合函数：nchoosek(n,k) 求组合数C n kfactorial(n) 求n的阶乘perms(v) 给出v中所有元素的排列。
例如：perms([1 3 5]) combnk(v,k) 从v中取k个元素的组合。
例如：combnk([2 3 6 7 8],3) randperm(n) 产生一个1到n的随机排列概率分布一、二项分布设随机变量X~B(n,p)：binornd(n,p,M,N) 产生M行N列服从B(n,p)分布的随机变量（M、N默认为1）binopdf(X,n,p) n次试验发生X次事件的概率binocdf(X,n,p) n次试验发生小于等于X次事件的累积概率例1：一批元件有400件，已知它的次品率为0.02，求其中至少有5件次品的概率。
>> 1-binocdf(4,400,0.02)ans =0.90267binoinv(P,n,p) n次试验以累积概率P发生的最小次数例2：某证券营业部开有1000个资金账户，每户资金10万元，设每日每个资金账户到营业部提取20% 现金的概率为0.006，问该营业部每日至少要准备多少现金，才能保证95% 以上的概率满足客户的提款需求？>> 10*0.2*binoinv(0.95,1000,0.006)ans =20二、泊松分布设随机变量X~P(λ)：poissrnd(lambda,M,N) 产生M行N列服从P(λ)分布的随机变量（M、N默认为1）poisspdf(X, lambda) n次试验发生X次事件的概率poisscdf(X, lambda) n次试验发生小于等于X次事件的累积概率poissinv(P, lambda) n次试验以累积概率P发生的最小次数例3：某急救中心在间隔t的时间段中收到呼救的次数X~P(t/2)，且与时间间隔的起点无关（时间以小时记），试求：（1）某天12：00 至15：00之间没有收到呼救的概率；（2）某天12：00 至17：00之间至少收到1次呼救的概率；>> poisspdf(0,1.5)ans =0.22313>> 1-poisspdf(0,2.5)ans =0.91792三、均匀分布设随机变量X~U(a,b)：unifrnd(a,b,M,N) 产生M行N列服从U(a,b)分布的随机变量（M、N默认为1）unifpdf(X, a,b) 计算随机变量X的概率unifcdf(X, a,b) 计算随机变量X的累积概率unifinv(P, lambda) 计算累积概率为P时的随机变量的值四、正态分布设随机变量X~N(μ,σ2)：normrnd(mu,sigma,M,N) 产生M行N列服从N(μ,σ2)分布的随机变量（M、N默认为1）normpdf(X, mu,sigma) 计算随机变量X的概率normcdf(X, mu,sigma) 计算随机变量X的累积概率norminv(P, mu,sigma) 计算累积概率为P时的随机变量的值normspec([a,b],mu,sigma) 绘出区间[a,b]在概率密度图上的分布例4：把温度调节器放入储存着某种液体的容器中，调节器的设定温度为d度。
matlab 正态分布概率计算
正态分布是概率论和统计学中非常重要的分布之一。
在实际的科学研究和工程应用中，经常需要对正态分布进行概率计算。
Matlab作为一种功能强大的科学计算软件，提供了丰富的工具和函数用于正态分布的概率计算。
本文将介绍在Matlab中进行正态分布概率计算的方法和步骤。
一、正态分布概率密度函数正态分布的概率密度函数是$$f(x)=\frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{(x-\mu)^{2}}{2\sigma^2}}$$其中，$\mu$是均值，$\sigma$是标准差。
二、Matlab中生成正态分布随机数在Matlab中，可以使用`randn`函数生成符合标准正态分布（均值为0，标准差为1）的随机数，也可以使用`normrnd`函数生成符合指定均值和标准差的正态分布随机数。
生成均值为2，标准差为3的100个正态分布随机数的代码如下：```matlabdata = normrnd(2, 3, 100, 1);```三、Matlab中计算正态分布的累积概率在Matlab中，可以使用`normcdf`函数计算正态分布的累积概率。
计算正态分布随机变量小于2的概率的代码如下：```matlabp = normcdf(2, 0, 1);```这将得到随机变量小于2的概率，即标准正态分布的累积概率。
四、Matlab中计算正态分布的百分位点在Matlab中，可以使用`norminv`函数计算正态分布的百分位点。
计算标准正态分布上侧5分位点的代码如下：```matlabx = norminv(0.95, 0, 1);```这将得到标准正态分布上侧5分位点的值。
五、Matlab中绘制正态分布概率密度函数图和累积概率图在Matlab中，可以使用`normpdf`函数绘制正态分布的概率密度函数图，使用`normcdf`函数绘制正态分布的累积概率图。
绘制均值为1，标准差为2的正态分布的概率密度函数图和累积概率图的代码如下：```matlabx = -5:0.1:7;y_pdf = normpdf(x, 1, 2);y_cdf = normcdf(x, 1, 2);figure;subplot(2,1,1);plot(x, y_pdf);title('Normal Distribution Probability Density Function'); xlabel('x');ylabel('Probability Density');subplot(2,1,2);plot(x, y_cdf);title('Normal Distribution Cumulative Probability Function'); xlabel('x');ylabel('Cumulative Probability');```六、总结本文介绍了在Matlab中进行正态分布概率计算的方法和步骤，包括生成正态分布随机数、计算正态分布的累积概率、计算正态分布的百分位点、绘制正态分布概率密度函数图和累积概率图等内容。
概率统计与MATLAB精品PPT课件
功能：产生M lambda)
功能：计算分布密度p(x)在x的值
21.10.2020
x0 x0
7
§1 随机变量及其分布
均匀分布X~U(a,b) 命令1：Fx=unifcdf(x, a,b) 功能：计算累积概率Fx=P{X≤x}=F(x) 命令2：x=unifinv(p, a,b) 功能：计算随机量x，使得p=P{X≤x} 命令3：X=unifrnd(a,b,M,N) 功能：产生M*N维随机数矩阵X 命令4：Px=unifpdf(x, a,b) 功能：计算分布密度p(x)在x的值 补充：rand()---(0,1)均匀分布随机数
21.10.2020
12
§1 随机变量及其分布
例1某人向空中抛硬币100次，落下为正面的概率 为0.5。这100次中正面向上的次数记为X： (1)试计算x=45的概率和x≤45的概率； (2)绘制分布函数图象和分布列图象。
程序：》clear;
px=binopdf(45,100,0.5) % 计算x=45的概率
命令2：x=hygeinv(p,M, N,K)
功能：在已知参数M、N 、 K和p的情况下计算随 机量x，使得p=P{0≤次品数X≤x}
命令3：X=hygernd(M,N,K,m,n)
功能：在已知参数M,N ,K的情况下产生m*n维符合
超几何分布的随机数矩阵X
21.10.2020
2
§1 随机变量及其分布
21.10.2020
6
§1 随机变量及其分布
指数分布X~exp(λ)
1ex
P{Xx}
0
命令1：Fx=expcdf(x, lambda)
功能：计算累积概率Fx=P{X≤x}=F(x)
实验5(2)-概率统计问题的Matlab求解资料
即： a = –2.032， ｃ= 0.148 则模型：y = – 2.032 + 0.148 x R2=0.9928 , F=1101.878 ,P=0 由R2和F 表明拟合效果很好！ (5)预报 当X=108时，Y= 13.952亿; 当X=110时，Y=14.248亿
故
回归模型为
y 13.1501x2 217.8686x 175.6217.
的回归关系，收集数据：
年份 1971 1972 1973 1974 1975 1976
火柴销量 y(万件) 17.84 18.27 20.29 22.61 26.71 31.19
一元多项式回归
（3）结果分析 p =-0.2003 8.9782 -72.2150
a 72.2150。 即 a2 0.2003， a1 8.9782， 0
则二次模型为：
y a2 x 2 a1 x a0 0.2003 x 2 8.9782 x 72.2150
数学实验 概率统计问题的Ｍatlab求解
——回归分析
实验目的
熟练掌握Matlab编程中一元线性回归、多 元线性回归、一元多项式回归、非线性回归 等语句的调用格式 会用Matlab对各种数据样本进行回归分析， 并分析回归结果，对回归进行评价。 对实际问题，能够进行数据样本的分析，选 用哪种方式进行回归模拟，依该回归进行预 测。
x1=[17.84,27.43,21.43,11.09,25.78;18.27,29.95,24.96,... 14.48,28.16;20.29,33.53,28.37,16.97,24.26;22.61,37.31,... 42.57,20.16,30.18;26.71,41.16,45.16,26.39,17.08;31.19,... 45.73,52.46,27.04,7.39;30.5,50.59,45.3,23.08,3.88;29.63,... 58.82,46.8,24.46,10.53;29.69,65.28,51.11,33.82,20.09;... 29.25,71.25,53.29,33.57,21.22]; x=[ones(size(x1(:,1))),x1(:,2:5)];y=x1(:,1); [b,bint,r,rint,stats]=regress(y,x,0.05)
matlab概率统计函数
matlab概率统计函数Matlab是一种流行的科学计算软件，其中包含了丰富的概率统计函数，可以用来进行统计分析、建模和预测等工作。
本文将介绍一些常用的Matlab概率统计函数及其应用。
1. normpdf函数：该函数用来计算正态分布的概率密度函数值。
对于给定的均值和标准差，可以使用该函数计算某个特定值的概率密度。
例如，可以使用normpdf函数计算身高在某个范围内的概率密度。
2. normcdf函数：该函数用来计算正态分布的累积分布函数值。
对于给定的均值和标准差，可以使用该函数计算某个特定值以下的累积概率。
例如，可以使用normcdf函数计算身高小于某个数值的累积概率。
3. binopdf函数：该函数用来计算二项分布的概率密度函数值。
对于给定的试验次数和成功概率，可以使用该函数计算在指定次数内出现特定成功次数的概率。
例如，可以使用binopdf函数计算在10次抛硬币试验中出现5次正面朝上的概率。
4. binocdf函数：该函数用来计算二项分布的累积分布函数值。
对于给定的试验次数和成功概率，可以使用该函数计算在指定次数内出现不超过特定成功次数的累积概率。
例如，可以使用binocdf函数计算在10次抛硬币试验中不超过5次正面朝上的累积概率。
5. poisspdf函数：该函数用来计算泊松分布的概率密度函数值。
对于给定的平均发生率，可以使用该函数计算在指定时间内发生特定次数的概率。
例如，可以使用poisspdf函数计算在一小时内发生3次事故的概率。
6. poisscdf函数：该函数用来计算泊松分布的累积分布函数值。
对于给定的平均发生率，可以使用该函数计算在指定时间内发生不超过特定次数的累积概率。
例如，可以使用poisscdf函数计算在一小时内不超过3次事故的累积概率。
7. hist函数：该函数用来绘制直方图。
通过将数据分成若干个区间，该函数可以显示每个区间的频数或频率。
例如，可以使用hist函数绘制一组数据的身高分布直方图。
matlab概率统计
MATLAB概率统计1. 概述概率统计是数学中的一个重要分支，用于研究随机现象的规律性和不确定性。
MATLAB作为一种强大的数值计算和数据可视化工具，提供了丰富的函数和工具箱，使得概率统计分析变得简单而高效。
本文将介绍MATLAB中常用的概率统计函数和方法，并结合实例进行详细说明。
2. 概率分布2.1 常见概率分布函数在概率统计中，常见的概率分布函数有正态分布、均匀分布、二项分布等。
MATLAB 提供了相应的函数来生成这些概率分布。
•正态分布：normrnd函数用于生成服从正态分布的随机数。
x = normrnd(mu, sigma, [m, n]);其中，mu表示均值，sigma表示标准差，[m, n]表示生成随机数矩阵的大小。
•均匀分布：unifrnd函数用于生成服从均匀分布的随机数。
x = unifrnd(a, b, [m, n]);其中，a和b表示均匀分布区间的上下界。
•二项分布：binornd函数用于生成服从二项分布的随机数。
x = binornd(n, p, [m, n]);其中，n表示试验次数，p表示成功的概率。
2.2 概率密度函数和累积分布函数除了生成随机数，MATLAB还提供了计算概率密度函数（PDF）和累积分布函数（CDF）的函数。
•概率密度函数：对于连续型随机变量，可以使用normpdf、unifpdf等函数计算其概率密度函数值。
y = normpdf(x, mu, sigma);其中，x表示自变量的取值，mu和sigma表示正态分布的均值和标准差。
•累积分布函数：使用normcdf、unifcdf等函数可以计算连续型随机变量的累积分布函数值。
y = normcdf(x, mu, sigma);其中，参数的含义同上。
对于离散型随机变量，可以使用相应的离散型概率分布函数来计算其概率质量函数（PMF）和累积分布函数（CDF）。
3. 统计描述3.1 均值与方差均值和方差是统计学中常用的描述统计量，MATLAB提供了相应的函数来计算均值和方差。
实验5(1)-概率统计问题的Matlab求解.
参数估计
例2. 分别使用金球和铂球测定引力常数 （1）用金球测定观察值为：6.683 6.681 6.676 6.678 6.679 6.672 （2）用铂球测定观察值为：6.661 6.661 6.667 6.667 6.664 设测定值总体为 ，μ和σ为未知。对(1)、 (2)两种情况分别求μ和σ的置信度为0.9的置信区 间。
解：需要检验假设 H 0 : 1 2 0 H1 : 1 2 0 X=[78.1 72.4 76.2 74.3 77.4 78.4 76.0 75.5 76.7 77.3]; Y=[79.1 81.0 77.3 79.1 80.0 79.1 79.1 77.3 80.2 82.1]; [h,sig,ci]=ttest2(X,Y,0.05,-1) 结果显示为： h= 1 sig = 2.1759e-004 %说明两个总体均值相等的概率很小 ci = -Inf -1.9083 结果表明：h=1表示在 0.05 水平下，应该拒绝原假设，即 认为建议的新操作方法提高了产率，因此，比原方法好。
由上可知，金球测定的μ估计值为6.6782，置信 区间为[6.6750，6.6813]； σ的估计值为0.0039，置信区间为[0.0026， 0.0081]。 泊球测定的μ估计值为6.6640，置信区间为 [6.6611，6.6669]； σ的估计值为0.0030，置信区间为[0.0019， 0.0071]。
例 5 一道工序用自动化车床连续加工某种零件，由于刀具 损坏等会出现故障.故障是完全随机的，并假定生产任一零 件时出现故障机会均相同 .工作人员是通过检查零件来确定 工序是否出现故障的 . 现积累有 100 次故障纪录，故障出现 时该刀具完成的零件数如下：
459 612 926 527 775 402 699 447 621 764 362 452 653 552 859 960 634 654 724 558 624 434 164 513 755 885 555 564 531 378 542 982 487 781 49 610 570 339 512 765 509 640 734 474 697 292 84 280 577 666 584 742 608 388 515 837 416 246 496 763 433 565 428 824 628 473 606 687 468 217 748 706 1153 538 954 677 1062 539 499 715 815 593 593 862 771 358 484 790 544 310 505 680 844 659 609 638 120 581 645 851
概率论问题MATLAB仿真求解程序
clc; clear; close all; a=10; b=3; p=0.55; S=0; N=10000; m=6; %甲的赌本 %乙的赌本 %甲赢的概率 % 计数设置为0 % 模拟次数 %设定随机数状态值（1 2 3 4 5 6 ），改变这个值可以进行不同的实验
%针与线相交则记数
运行结果
Pi_m_mean=mean(Pi_m)%显示 N 次迭代之后的圆周率 pi 均值
P_mean =0.318250000000000 Pi_m_mean =3.142648986529731
赌徒输光问题
两个赌徒甲、乙两人将进行一系列赌博。在每一局中甲获胜的概率为 p ， 而乙获胜的概率为 q ( p + q = 1 )。在每一局后，失败者都要支付一元线给 胜利者。在开始时甲拥有赌本 a 元，而乙拥有赌本 b 元，两个赌徒直到甲 输光或乙输光为止。求甲输光的概率。
MATLAB实现Buffon问题仿真求解程序
程序1பைடு நூலகம்
clear all; L=1; d=2; m=0; n=10000; for k=1:n x=unifrnd(0,d/2); p=unifrnd(0,pi); if x<=L*sin(p)/2 m=m+1; else end end p=vpa(m/n,4) %针的长度； %平行线间的距离（d>L）； %统计满足针与线相交条件的次数并赋初值； %投针试验次数 %迭代次数 %随机产生数的长度，即投针之后针中点与平行线的距离 %随机产生的针与线相交的角度 %针与线相交的条件 %针与线相交则记数
P =0.0676 Po =0.0656
Binomial（二项分布）的使用
Matlab概率统计
k=1:100;
e=1+1./k-0.996.^k;
plot(k,e)
从图上可知，最小值在10到20之间取得
21/75
列出10到20之间E(X)的值
k=10:20;
e=1+1./k-0.996.^k;
结果如下： 0.3453 0.2198 0.1393 0.1250 0.1246 0.1247 0.1270 0.2016
设某高校有n个人需要验血检查血中是否含有某种病毒若每个人单独化验需n次若把k个人的血清混合在一起化验若结果是阴性不含某种病毒只需化验一次若结果是阳性则只需对这k个人血清单独化验这k个人总共化验了k1次假设每个人含有该病毒的概率为p且这n个人是否含有该病毒是独立的设x是每个人需要化验的次数x的可能取值只有两种情况或k1k且有一个人的血清化验次数为30显然当q固定时就是要求的最理想的每组混合血清数即化验次数最少的每组的理想人数但以上式子很难求最小值点我们不妨计算出k取不同数值的化验次数就不难观察出理想的每组人数
例 3 画出正态分布 N (0,1) 和 N (0,22 ) 的概率密度函数图形.
在MATLAB中输入以下命令： x=-6:0.01:6; y=normpdf(x); z=normpdf(x,0,2); plot(x,y,x,z)
11/75
2．概率分布：P=normcdf(x,mu,sigma)
例4：某人进行射击,假设每次射击的命中率为0.02, 独立射击400次,试求至少击中两次的概率. 解：设击中的次数为X，由题意 X~b(400, 0.02) ,要求
14/75
4．均值与方差：[m,v]=normstat(mu,sigma)
例8 求正态分布N(3,52)的均值与方差. 命令为：[m,v]=normstat(3,5) 结果为：m=3,v=25
07概率统计的matlab求解
k}
C
k n
p
k
(1
p)nk
命令1：Fx=binocdf(x,n,p)
功能：计算二项分布的累积概率Fx=P{X≤x}=F(x)
命令2：x=binoinv(y, n,p)
功能：计算随机量x，使得y=P{X≤x}
命令3：X=binornd(n,p,M,N)
功能：产生M*N维符合二项分布的随机数矩阵X
命令4：Px=binopdf(x,n, p)
功能：计算试验中事件恰好发生x次的概率Px=P{X=x}
2019/11/4
10
泊松分布X~P(λ)
P{X k} e k
命令1：Fx=poisscdf(x,lambda)
k!
功能：计算累积概率Fx=P{X≤x}=F(x)
命令2：x=poissinv(p, lambda)
(3) specs=[1.5,1.9];
pp=normspec(specs,2,0.5)
2019/11/4
21
2019/11/4
Density
Probability Between Limits is 0.26209 0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0
0.5
1
1.5
2
2.5
3
3.5
与此类似的有：求和(sum),最大(max),最小(min)等 2.离散型随机变量的期望----EX=sum(X.*P) 功能：计算随机值向量X与对应概率向量P的乘积之和 3.连续型随机变量的期望----EX=int(x*fx,x,a,b) 功能：用积分计算期望
[整理]Matlab概率统计教程.
![[整理]Matlab概率统计教程.](https://img.taocdn.com/s3/m/d0b2b0f16137ee06eff918f1.png)
第十章概率统计第一节随机数的产生一、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，与R同维数。
R = binornd(N,P,m,n) %m,n分别表示R的行数和列数例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 67 5 3 5 6 2>> R=binornd(10,0.5,[2,3])R =7 5 86 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 12.0982 2.2177 1.9591 2.01784.1.2 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。
R = normrnd(MU,SIGMA,m) %m指定随机数的个数，与R同维数。
R = normrnd(MU,SIGMA,m,n) %m,n分别表示R的行数和列数例4-2>>n1 = normrnd(1:6,1./(1:6))n1 =2.1650 2.31343.02504.0879 4.8607 6.2827>>n2 = normrnd(0,1,[1 5])n2 =0.0591 1.7971 0.2641 0.8717 -1.4462>>n3 = normrnd([1 2 3;4 5 6],0.1,2,3) %mu为均值矩阵n3 =0.9299 1.9361 2.96404.12465.0577 5.9864>> R=normrnd(10,0.5,[2,3]) %mu为10，sigma为0.5的2行3列个正态随机数R =9.7837 10.0627 9.42689.1672 10.1438 10.59554.1.3 常见分布的随机数产生常见分布的随机数的使用格式与上面相同表4-1 随机数产生函数表4.1.4 通用函数求各分布的随机数据命令求指定分布的随机数函数random格式y = random('name',A1,A2,A3,m,n) %name的取值见表4-2；A1，A2，A3为分布的参数；m，n指定随机数的行和列例4-3 产生12（3行4列）个均值为2，标准差为0.3的正态分布随机数>> y=random('norm',2,0.3,3,4)y =2.3567 2.0524 1.8235 2.03421.9887 1.94402.6550 2.32004.2 随机变量的概率密度计算4.2.1 通用函数计算概率密度函数值命令通用函数计算概率密度函数值函数pdf格式Y=pdf(name，K，A)Y=pdf(name，K，A，B)Y=pdf(name，K，A，B，C)说明返回在X=K处、参数为A、B、C的概率密度值，对于不同的分布，参数个数是不同；name为分布函数名，其取值如表4-2。
完整版Matlab概率论及数理统计
Matlab概率论与数理统计一、 matlab 基本操作1.画图【例】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】填充，二维平均随机数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');2.排列组合C=nchoosek(n,k) ：C C n k，例 nchoosek(5,2)=10, nchoosek(6,3)=20.prod(n1:n2) ：从 n1 到 n2 的连乘【例】最少有两个人寿辰相同的概率n!C N nN !( N n)!N(N1)(N n1)公式计算 p 111N nN n N n365 364 (365rs1)365364365rs 1 1365rs1365365365rs=[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)+1:365p2(i)=p2(i)*(k/365);end ;endp1(i)=exp(sum(log(365-rs(i)+1:365))-rs(i)*log(365));endp_r1=1-p1;p_r2=1-p2;Rs =[20253035404550 ]P_r=[0.4114 0.5687 0.7063 0.8144 0.8912 0.9410 0.9704]二、随机数的生成3.平均分布随机数rand(m,n); 产生 m 行 n 列的 (0,1) 平均分布的随机数rand(n); 产生 n 行 n 列的 (0,1)平均分布的随机数【练习】生成(a,b)上的平均分布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,sigma.^2) 上的正态分布5.其他分布随机数函数名调用形式注释Unidrnd unid rnd (N,m,n)平均分布（失散）随机数binornd bino rnd (N,P,m,n)参数为 N, p的二项分布随机数Poissrnd poiss rnd (Lambda,m,n)参数为 Lambda的泊松分布随机数geornd geornd (P,m,n)参数为 p 的几何分布随机数hygernd hygernd (M,K,N,m,n)参数为 M， K， N 的超几何分布随机数Normrnd normrnd (MU,SIGMA,m,n)参数为 MU， SIGMA的正态分布随机数，SIGMA是标准差Unifrnd unif rnd ( A,B,m,n)[A,B] 上平均分布 ( 连续 ) 随机数Exprnd exprnd (MU,m,n)参数为 MU的指数分布随机数chi2rnd chi2 rnd(N,m,n)自由度为 N 的卡方分布随机数Trnd t rnd(N,m,n)自由度为 N 的 t分布随机数Frnd f rnd(N1, N2,m,n)第一自由度为N1, 第二自由度为 N2 的 F 分布随机数gamrnd gamrnd(A, B,m,n)参数为 A, B的分布随机数betarnd betarnd(A, B,m,n)参数为 A, B的分布随机数lognrnd lognrnd(MU, SIGMA,m,n)参数为 MU, SIGMA的对数正态分布随机数nbinrnd nbinrnd(R, P,m,n)参数为 R，P 的负二项式分布随机数ncfrnd ncfrnd(N1, N2, delta,m,n)参数为 N1， N2， delta 的非中心 F 分布随机数nctrnd nctrnd(N, delta,m,n)参数为 N，delta的非中心 t 分布随机数ncx2rnd ncx2rnd(N, delta,m,n)参数为 N，delta的非中心卡方分布随机数raylrnd raylrnd(B,m,n)参数为 B 的瑞利分布随机数weibrnd weibrnd(A, B,m,n)参数为 A, B的韦伯分布随机数三、一维随机变量的概率分布1.失散型随机变量的分布率(1)0-1 分布(2)平均分布(3) 二项分布： binopdf(x,n,p) ，若X ~ B(n, p)，则P{ X k} C n k p k (1p) n k，x=0:9;n=9;p=0.3;y= binopdf(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= binopdf(x,n,p);plot(x,y,'b-',x,y,'r*')(4) 泊松分布： piosspdf(x, lambda) ，若X ~k e ( ) ，则 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 ](5) 几何分布： geopdf (x, p)，则P{ X k} p(1p) k 1y= 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 ]C M k C N n k Mx=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1a x b(1)平均分布： unifpdf(x,a,b) ，f ( x)b a0其他a=0;b=1;x=a:0.1:b;y= unifpdf (x,a,b);112(2)正态分布： normpdf(x,mu,sigma) ，f ( x)e2 2 ( x)2x=-10:0.1:12;mu=1;sigma=4;y= normpdf(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plot(x,y,'b-',a,b,'r.')(3) 指数分布： exppdf(x,mu) ，f (x)1 e1xa x by= exppdf(x,mu); plot(x,y,'b-',x,y,'r*')1n1(4)2分布： chi2pdf(x,n) ， f (x; n)2n 2x2( n 2)hold on x=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');%redn=8;y= chi2pdf(x,n);plot(x,y,'c');%cyan n=10;y= chi2pdf(x,n);plot(x,y,'k');%black legend('n=4', 'n=6', 'n=8', 'n=10');(( n 1) 2) x 2(5) t 分布： tpdf(x,n) ， f (x; n)(n 2)1nnhold on x=-10:0.1:10;n=2;y= tpdf(x,n);plot(x,y,'b');%blue e 2n 1 2x 0x 0n=20;y= tpdf(x,n);plot(x,y,'k');%black legend('n=2', 'n=6', 'n=10', 'n=20');n1n1 2n1n222(6) F 分布： fpdf(x,n1,n2) ，f ( x; n1, n2)(( n1n2 ) 2) n1x 21n1x x 0 (n1 2)(n2 2) n2n20x 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');%redn1=10; n2=6;y= fpdf(x,n1,n2);plot(x,y,'c');%cyann1=10; n2=10;y= fpdf(x,n1,n2);plot(x,y,'k');%blacklegend(' n1=2; n2=6', ' n1=6; n2=10', ' n1=10; n2=6', ' n1=10; n2=10');3.分布函数 F (x) P{ X x}【例】求正态分布的累积概率值设 X ~ N(3,22)，求P{2X 5},P{ 4 X 10},P{ X 2}, P{X3} ，4.逆分布函数，临界值y F (x) P{ X x} ， x F 1 ( y) ， x 称之为临界值【例】求标准正态分布的累积概率值y=0:0.01:1;x=norminv(y,0,1);【例】求2 (9) 分布的累积概率值hold offy=[0.025,0.975];x=chi2inv(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');5. 数字特色函数名调用形式注释sort sort(x),sort(A)排序 ,x 是向量， A 是矩阵，按各列排序sortrows sortrows(A) A 是矩阵，按各行排序mean mean(x)向量 x 的样本均值var var(x)向量 x 的样本方差std std(x)向量 x 的样本标准差median median(x)向量 x 的样本中位数geomean geomean(x)向量 x 的样本几何平均值harmmean harmmean(x)向量 x 的样本调停平均值skewness skewness(x)向量 x 的样本偏度max max(x)向量 x 的最大值min min(x)向量 x 的最小值cov cov(x), cov(x,y)向量 x 的方差，向量x,y 的协方差矩阵corrcoef corrcoef(x,y)向量 x,y 的相关系数矩阵【练习】二项分布、泊松分布、正态分布（ 1）对n10, 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,2np(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。
(整理)Matlab第4章概率统计
Matlab 第4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。
4.1 随机数的产生4.1.1 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，与R同维数。
R = binornd(N,P,m,n) %m,n分别表示R的行数和列数例4-1>> 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 67 5 3 5 6 2>> R=binornd(10,0.5,[2,3])R =7 5 86 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 14.1.2 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。
R = normrnd(MU,SIGMA,m) %m指定随机数的个数，与R同维数。
R = normrnd(MU,SIGMA,m,n) %m,n分别表示R的行数和列数例4-2>>n1 = normrnd(1:6,1./(1:6))n1 =2.1650 2.31343.02504.0879 4.8607 6.2827>>n2 = normrnd(0,1,[1 5])n2 =0.0591 1.7971 0.2641 0.8717 -1.4462>>n3 = normrnd([1 2 3;4 5 6],0.1,2,3) %mu为均值矩阵n3 =0.9299 1.9361 2.96404.12465.0577 5.9864>> R=normrnd(10,0.5,[2,3]) %mu为10，sigma为0.5的2行3列个正态随机数R =9.7837 10.0627 9.42689.1672 10.1438 10.59554.1.3 常见分布的随机数产生常见分布的随机数的使用格式与上面相同表4-1 随机数产生函数表4.1.4 通用函数求各分布的随机数据命令求指定分布的随机数函数random格式y = random('name',A1,A2,A3,m,n) %name的取值见表4-2；A1，A2，A3为分布的参数；m，n指定随机数的行和列例4-3 产生12（3行4列）个均值为2，标准差为0.3的正态分布随机数>> y=random('norm',2,0.3,3,4)y =2.3567 2.0524 1.8235 2.03421.9887 1.94402.6550 2.32002.0982 2.2177 1.9591 2.01784.2 随机变量的概率密度计算4.2.1 通用函数计算概率密度函数值命令通用函数计算概率密度函数值函数pdf格式Y=pdf(name，K，A)Y=pdf(name，K，A，B)Y=pdf(name，K，A，B，C)说明返回在X=K处、参数为A、B、C的概率密度值，对于不同的分布，参数个数是不同；name为分布函数名，其取值如表4-2。
用matlab计算各种概率分布
抽样分布： F 分布
设随机变量 X ~ χ 2 ( m ), Y ~ χ 2 ( n) ，且 X 与 Y 相 互独立，则称随机变量
X /m F= Y /n
Poisson 分布举例
例： λ=25 时的泊松分布密度函数图
x=0:50; y=poisspdf(x,25); plot(x,y)
离散分布：均匀分布
如果随机变量 X 的分布列为：
1 P( X = k = ) n
k (=
1, 2, , n )
则称这种分布为离散均匀分布。记做： X ~U
([1, 2, , n])
Matlab相关命令介绍
例： x=-8:0.1:8;
y=pdf('norm',x,0,1); y1=pdf('norm',x,1,2); plot(x,y,x,y1,':') 注： y=pdf('norm',x,0,1) 相类似地， y=pdf('beta',x,A,B) y=pdf('bino,x,N,p) y=betapdf(x,A,B) y=binopdf(x,N,p) y=normpdf(x,0,1)
Matlab相关命令介绍
pdf 概率密度函数
y=pdf(name,x,A) 返回由 name 指定的单参数分布的概率密度，x为样本数据 y=pdf(name,x,A,B) 或 y=pdf(name,x,A,B,C) 返回由 name 指定的双参数或三参数分布的概率密度 name 用来指定分布类型，其取值可以是： 'beta'、'bino'、'chi2'、'exp'、'ev'、'f' 、 'gam'、'gev'、'gp'、'geo'、'hyge'、'logn'、 'nbin'、'ncf'、'nct'、'ncx2'、'norm'、 'poiss'、'rayl'、't'、'unif'、'unid'、'wbl'。