Mathematica数学实验——随机变量的概率分布
mathematica 数学实验报告
数学实验报告实验一数学与统计学院信息与计算科学(1)班郝玉霞201171020107数学实验一一、实验名:微积分基础二、实验目的:学习使用Mathematica的一些基本功能来验证或观察得出微积分学的几个基本理论。
三、实验环境:学校机房,工具:计算机,软件:Mathematica。
四、实验的基本理论和方法:利用Mathematica作图来验证高中数学知识与大学数学内容。
五、实验的内容和步骤及结果内容一、验证定积分dttsx⎰=11与自然对数xb ln=是相等的。
步骤1、作积分dttsx⎰=11的图象;语句:S[x_]:=NIntegrate[1/t,{t,1,x}]Plot[S[x],{x,0.1,10}]实验结果如下:21图1dttsx⎰=11的图象步骤2、作自然对数xb ln=的图象语句:Plot[Log[x],{x,0.1,10}] 实验结果如下:2 1图2xb ln=的图象步骤3、在同一坐标系下作以上两函数的图象语句:Plot[{Log[x],S[x]},{x,0.1,10}] 实验结果如下:21图3dttsx⎰=11和xb ln=的图象内容二、观察级数与无穷乘积的一些基本规律。
(1)在同一坐标系里作出函数xy sin=和它的Taylor展开式的前几项构成的多项式函数3!3xxy-=,!5!353xxxy+-=,⋅⋅⋅的图象,观察这些多项式函数的图象向xy sin=的图像逼近的情况。
语句1:s[x_,n_]:=Sum[(-1)^(k-1)x^(2k-1)/((2k-1)!),{k,1,n}]Plot[{Sin[x],s[x,2]},{x,-2Pi,2Pi},PlotStyle->{RGB[0,0,1]}] 实验结果如下:64242图4x y sin =和它的二阶Taylor 展开式的图象语句2:s[x_,n_]:=Sum[(-1)^(k-1)x^(2k-1)/((2k-1)!),{k,1,n}]Plot[{Sin[x],s[x,3]},{x,-2Pi,2Pi},PlotStyle->{RGB[0,1,1]}] 实验结果如下:642321图5x y sin =和它的三阶Taylor 展开式的图象语句3:s[x_,n_]:=Sum[(-1)^(k-1)x^(2k-1)/((2k-1)!),{k,1,n}]Plot[{Sin[x],s[x,4]},{x,-2Pi,2Pi},PlotStyle->{RGB[0,1,0]}] 实验结果如下:642321图6x y sin =和它的四阶Taylor 展开式的图象语句4:s[x_,n_]:=Sum[(-1)^(k-1)x^(2k-1)/((2k-1)!),{k,1,n}]Plot[{Sin[x],s[x,5]},{x,-2Pi,2Pi},PlotStyle->{RGB[1,0,0]}] 实验结果如下:642321图7x y sin =和它的五阶Taylor 展开式的图象语句5:s[x_,n_]:=Sum[(-1)^(k-1)x^(2k-1)/((2k-1)!),{k,1,n}] Plot[{Sin[x],s[x,2],s[x,3],s[x,4],s[x,5] },{x,-2Pi,2Pi}] 实验结果如下: 6422图8xy sin=和它的二、三、四、五阶Taylor展开式的图象(2)分别取n=10,20,100,画出函数xkkynk)12sin(1211--=∑=在区间[-3π,3π]上的图像,当n→∞时,这个函数趋向于什么函数?语句1:f[x_,n_]:=Sum[Sin[k*x]/k,{k,1,n,2}]Plot[f[x,10],{x,-2Pi,2Pi},PlotStyle->{RGB[0,0,1]}]实验结果如下:6420.5图9 n=10时,xkkynk)12sin(1211--=∑=的图像语句2:f[x_,n_]:=Sum[Sin[k*x]/k,{k,1,n,2}]Plot[f[x,20],{x,-2Pi,2Pi},PlotStyle->{RGB[0,0,1]}] 实验结果如下:6420.5图10 n=20时,xk k y nk )12sin(1211--=∑=的图像语句3:f[x_,n_]:=Sum[Sin[k*x]/k,{k,1,n,2}]Plot[f[x,100],{x,-2Pi,2Pi},PlotStyle->{RGB[0,0,1]}] 实验结果如下:6420.5图11 n=100时,xk k y nk )12sin(1211--=∑=的图像(3)分别取5,15,100,,在同一坐标系里作出函数x x f sin )(=与∏=-⋅=nk k x x x p 1222)1()(π在区间[-2π,2π]上的图像。
mathematica实验报告
mathematica实验报告《使用Mathematica进行实验报告:探索数学的奥秘》Mathematica是一款强大的数学软件,它不仅可以进行数学计算和图形绘制,还可以进行数据分析和模拟实验。
在本实验报告中,我们将使用Mathematica来探索数学的奥秘,展示其强大的功能和应用。
首先,我们将使用Mathematica进行数学计算。
通过输入数学表达式和方程式,我们可以快速地进行数值计算和符号运算。
Mathematica还提供了丰富的数学函数和算法,可以帮助我们解决复杂的数学问题,如微积分、线性代数和离散数学等。
其次,我们将利用Mathematica进行图形绘制。
通过输入函数表达式和参数设置,我们可以绘制出各种数学图形,如函数图像、曲线图和三维图形等。
Mathematica还提供了丰富的绘图工具和选项,可以帮助我们定制和美化图形,使其更加直观和具有艺术感。
接下来,我们将利用Mathematica进行数据分析。
通过输入数据集和统计方法,我们可以进行数据的可视化和分析,帮助我们发现数据的规律和趋势。
Mathematica还提供了丰富的数据处理和建模工具,可以帮助我们进行数据挖掘和预测分析,为决策和规划提供有力的支持。
最后,我们将利用Mathematica进行模拟实验。
通过输入模型和参数设置,我们可以进行各种科学和工程问题的模拟实验,帮助我们理解和预测实际现象。
Mathematica还提供了丰富的模拟工具和仿真方法,可以帮助我们进行虚拟实验和验证假设,为科学研究和工程设计提供有力的工具支持。
总之,Mathematica是一款强大的数学软件,它可以帮助我们探索数学的奥秘,解决数学问题,展示数学图形,分析数学数据,进行数学模拟实验,为科学研究和工程应用提供有力的支持。
希望本实验报告可以激发更多人对数学和科学的兴趣,让我们一起来探索数学的奥秘吧!。
mathematica实验报告
mathematica实验报告Mathematica 实验报告一、实验目的本实验旨在深入了解和掌握 Mathematica 软件的基本功能和操作方法,通过实际的案例和问题解决,提升运用 Mathematica 进行数学计算、数据分析、图形绘制以及编程的能力。
二、实验环境操作系统:Windows 10Mathematica 版本:121三、实验内容与步骤(一)数学计算1、基本运算在 Mathematica 中,直接输入数学表达式进行计算,例如:计算 2+ 3 4 的结果,输入`2 + 3 4` ,得到结果 14。
2、函数计算使用内置函数进行复杂的数学运算,如计算正弦函数`SinPi / 6`的值,结果为 05。
(二)数据分析1、数据导入通过`Import` 函数导入外部数据文件,如 CSV 格式的数据文件。
假设我们有一个名为`datacsv` 的文件,包含两列数据`x` 和`y` ,使用`data = Import"datacsv"`即可将数据导入。
2、数据处理对导入的数据进行处理,如计算平均值、方差等统计量。
可以使用`Meandata` 计算平均值,`Variancedata` 计算方差。
(三)图形绘制1、二维图形绘制简单的函数图形,如`PlotSinx, {x, 0, 2 Pi}`绘制正弦函数在`0` 到`2 Pi` 区间的图形。
2、三维图形绘制三维图形,如`Plot3Dx^2 + y^2, {x, -2, 2},{y, -2, 2}`绘制一个抛物面。
(四)编程实践1、定义函数使用`Function` 关键字定义自己的函数,例如定义一个计算阶乘的函数`factorialn_ := Ifn == 0, 1, n factorialn 1` 。
2、循环结构使用`For` 循环和`While` 循环实现重复操作,例如使用`For`循环计算 1 到 10 的和,`sum = 0; Fori = 1, i <= 10, i++, sum += i; sum` 。
随机变量与概率分布
随机变量与概率分布随机变量是统计学中最基本的概念之一。
在数据分析、机器学习、金融领域等许多领域中都扮演着重要角色。
随机变量的概念很简单,而它的概率分布则涉及到了数学统计中的一些重要知识。
在本文中,我们将介绍随机变量和概率分布的概念、特性、分类以及应用。
随机变量的概念随机变量通常是通过样本实验获得的数据,根据样本所表现出来的不确定性,其取值是不确定的。
我们用X来表示一个随机变量,例如:X可以表示拔出的一张扑克牌的点数,它可能是1、2、3……直到13中任意一个值。
随机变量可以是连续的或离散的。
连续的随机变量是一个可以取到一定范围内的任意值的变量,常用f(x)表示概率密度函数。
离散变量的值只能取一些特定的值,例如骰子、扑克牌等等,常用f(x)表示概率质量函数。
概率分布的概念所谓概率分布,就是指随机变量X的取值的各种可能性(X的取值范围)及其相应的概率的分布情况。
概率分布可以分为离散概率分布和连续概率分布。
离散概率分布是指由离散型随机变量取值的概率密度函数表示的随机变量的概率分布。
而连续概率分布则是指连续型随机变量取值的概率密度函数表示的随机变量的概率分布。
概率密度函数与概率质量函数概率密度函数是连续概率分布的函数。
对于概率密度函数f(x),有以下性质:1. 对于所有的x,f(x) >=0。
2. 整个区间的概率等于1,即∫f(x)dx = 1。
3. 在函数曲线下的任何点,面积都代表该点处的概率。
而概率质量函数是指离散型随机变量X的概率分布,对于概率质量函数p(x),有以下性质:1. 对于所有的x,p(x)>=0。
2. 整个区间的概率等于1,即Σp(x)=1。
3. p(x)表示的是X=x的概率。
常见的连续概率分布1. 正态分布:正态分布也被称为高斯分布,它是连续概率分布中最为常见的一种。
正态分布是一种对称的,钟形曲线状的概率密度函数。
它具有无限可导性质,受中心极限定理的影响而广泛应用于各领域。
概率-matlab上机实验
数学实验-概率学院:理学院班级:xxxx姓名:xxxx学号:xxxx指导教师:xxxxx实验名称:概率试验目的:1)通过对mathematica软件的练习与运用,进一步熟悉和掌握mathematica软件的用法与功能。
2)通过试验过程与结果将随机实验可视化,直观理解概率论中的一些基本概念,并初步体验随机模拟方法。
实验步骤:1)打开数学应用软件——Mathematica ,单击new打开Mathematica 编辑窗口;2)根据各种问题编写程序文件;3)运行程序文件并调试;4)观察运行结果(数值或图形);5)根据观察到的结果写出实验报告,并析谈学习心和体会。
实验内容:1)概率的统计定义2)古典概型3)几种重要分布1)二项分布2)泊松分布4)概率问题的应用(一)概率的统计定义我们以抛掷骰子为例,按古典概率的定义,我们要假设各面出现的机会是等可能的,这就要假设:(1)骰子的质料绝对均匀;(2)骰子是绝对的正方体:(3)掷骰子时离地面有充分的高度。
但在实际问题中是不可能达到这些要求的,假设我们要计算在一次抛掷中出现一点这样一个事件 的概率为多少,这时,已无法仅通过一种理论的考虑来确定,但我们可以通过试验的方法来得到事件 概率:设反复地将骰子抛掷大量的次数,例如n 次,若在n 次抛掷中一点共发生了 次,则称是 这个事件在这n 次试验中的频率,概率的统计定义就是将 作为事件 的概率P( )的估计。
这个概念的直观背景是:当一个事件发生的可能性大(小)时,如果在同样条件下反复重复这个实验时,则该事件发生的频繁程度就大(小)。
同时,我们在数学上可以证明:对几何任何一组试验,当n 趋向无穷时,频率 趋向同一个数。
<练习一>模拟掷一颗均匀的骰子,可用产生1-6的随机整数来模拟实验结果1) 作n=200组实验,统计出现各点的次数,计算相应频率并与概率值1/6比较;2) 模拟n=1000,2000,3000组掷骰子试验,观察出现3点的频率随试验次数n 变化的情形,从中体会频率和概率的关系。
大学数学数理统计精讲
大学数学数理统计精讲数理统计 (Mathematical Statistics) 是数学的一个分支,它与概率论和统计学密切相关,旨在利用数学方法对数据进行分析和推断。
在大学数学课程中,数理统计是一个重要的学科,为学生提供了理解和应用统计学概念的基础。
一、基本概念和原理1. 随机变量 (Random Variable)随机变量是数理统计的核心概念之一。
它表示一个随机试验的结果,可以是离散的或连续的。
离散随机变量取有限或可数个值,如抛硬币的结果;连续随机变量则取无限个可能的值,如身高或体重。
2. 概率分布 (Probability Distribution)随机变量的概率分布描述了它可能取到的各个值以及相应的概率。
常见的离散概率分布有二项分布、泊松分布等;连续概率分布则包括正态分布、指数分布等。
3. 期望和方差 (Expectation and Variance)期望是随机变量的平均值,反映了该随机变量的中心位置。
方差则度量了随机变量取值的离散程度。
对于离散随机变量,期望和方差的计算方法为分别乘以对应的概率后求和;对于连续随机变量,则需使用积分计算。
二、抽样与估计1. 样本和总体 (Sample and Population)在统计学中,样本是从总体中选取的一部分观察值。
总体是研究对象的全体,而样本是从总体中提取的部分,旨在通过样本推断总体的特征。
2. 抽样分布 (Sampling Distribution)抽样分布是指样本统计量的概率分布。
常见的抽样分布包括正态分布、t分布、卡方分布等。
抽样分布的性质对于统计推断至关重要。
3. 估计 (Estimation)估计是根据样本数据对总体属性进行推断的过程。
点估计得到一个单一的数值作为总体参数的估计值,如样本均值估计总体均值。
区间估计则给出一个范围,估计参数可能落在其中。
三、假设检验1. 假设检验的基本概念假设检验是统计推断的基本方法之一,用于判断样本数据是否可以支持对总体参数的某个假设。
Mathematica数学实验——简单数理统计
教师指导实验6实验名称:简单数理统计一、问题:求样本数据的特征数字值;绘制样本的频率分布条形图和直方图。
二、实验目的:学会使用Mathematica求求样本数据的极差、中位数、均值、方差及标准差;绘制样本的频率分布直方图并作简单的修饰。
三、预备知识:本实验所用的Mathematica命令提示1、SampleRange[data] 求样本数据data的极差(最大数减最小数);Median[data] 求样本数据data的中位数;Mean[data] 求样本数据data的均值;2、VarianceMLE[data] 求样本数据data的方差;StandardVarianceMLE[data] 求样本数据data的标准差;3、BarChart[data1, data2,…] 分别绘制样本数据data1,data2,…的条形图图形修饰选项:BarSpacing 设置两条形的总宽度,设置值是实际宽度相对于区间宽度的比值;BarGroupSpacing 设置相邻条形的宽度,设置值是条形的实际宽度相对于条形的总宽度的比值;BarStyle 条形风格设置;BarEdgeStyle 条形边界风格设置;BarLabels 条形标签设置,PlotLabel 图形名称设置,4、Histogram[data] 绘制样本数据data的频率分布直方图图形修饰选项:Ticks设置标记相对于条形的位置;HistogramScale 设置条形高度为频率密度,使条形的面积和为所设置的值。
四、实验的内容和要求:1、取50个在1到20的随机整数,求这组数的极差、中位数、均值、方差及标准差;2、对以上数据绘制样本频率分布直方图;3、data1={1, 3, 4, 5, 3.5, 3}, data2={3, 2, 5, 3},在同一图表中绘制data1和data2的条形图,并作一定的修饰。
五、操作提示1、取50个在1到20的随机整数,求这组数的极差、中位数、均值、方差及标准差;In[1]:=<<Statistics`DescriptiveStatistics`In[2]:=data=Table[Random[Integer,{1,20}],{60}];In[3]:=SampleRange[data]Out[3]= 19In[4]:= Median[data] Out[4]= 11In[5]:=Mean[data]Out[5]=221 20In[6]:=VarianceMLE[data]Out[6]=44017 1200In[7]:=StandarDevarianceMLE[data]Out[7]=2、对以上数据绘制样本频率分布直方图;In[8]:=<<Graphics`Graphics`In[9]:=Histogram[data]Out[9]= -Graphics-In[10]:=Histogram[data,Ticks->IntervalCenters, HistogramScale->1]Out[10]= -Graphics-In[11]:=Histogram[data,Ticks->IntervalBoundaries,HistogramScale->2]Out[11]= -Graphics-3、data1={1, 3, 4, 5, 3.5, 3}, data2={3, 2, 5, 3},在同一图表中绘制data1和data2的条形图,并作一定的修饰。
第十章 Mathematica 数学实验
第十章Mathematica数学实验在学习了一系列的数学知识以后,如果我们能学会如何用计算机处理各类数学问题,则无疑使我们的数学应用能力有一个质的飞跃.用计算机处理各类数学问题,必须要有理想的数学软件. 在众多的数学软件中,Mathematica 以它的功能强大、应用面广、易学易用等优点得到了各国科研人员和工程技术人员的高度认同.Mathematica是由美国科学家Stephen Wolfram主持的一个科研小组开发的. 它的语法规则简单,操作语言与人们的日常语言非常相近. 在功能方面,除数值计算外,强大的符号运算功能和制图功能使得它一直享有盛名。
由于Mathematica能给出问题的解析符号解,从而使得用户能用该软件方便地处理微积分、微分方程、线性代数和规划优化等各类问题. 现在,Mathematica软件已在工程、科研、教学等各个领域被广泛使用。
在大学生的数学建模活动中,Mathematica也是非常得力的工具.本章将通过与本书配套的22个精编的数学实验问题,介绍Mathematica的各种基本命令以及相应的需要注意问题。
对于每个实验问题,书中都列出了供参考的求解命令及其计算结果.初学Mathematica,建议不妨先将本书中的各个问题的求解命令一一模仿输入,看看能否在计算机上顺利通过,能否得到正确的计算结果;遇有问题时再查阅本书中的“实验须知”及“说明”栏等处的文字,或直接向指导老师请教. 及早开展人机对话是迅速掌握Mathematica的捷径。
预期学会本章基本内容只需4至6学时.Mathematica系统从1.2版开始,经过多次升级换代,目前最新的版本为5.1版本. 各种版本都未见有中文版本。
本书将依照Mathematica英文5.1 版介绍Mathematica的语句.这些语句绝大多数也适用于Mathematica较为早期的版本.§10-1Mathematica实验一基本运算、函数与作图一实验内容四则运算、基本初等函数的求值、代数式的化简、函数的作图.二实验目的能熟练地使用Mathematica进行四则运算;并能熟练地对初等函数进行求值计算和作图操作;会用“Simplify”语句对函数或代数式进行化简;了解分段函数的定义和作图命令;了解三维作图的命令.三实验须知1.Mathematica的启动:在Windows环境下,点击“开始—程序—Mathematica 5.1—Mathematica 5.1”,即可启动Mathematica,此时计算机的屏幕将出现如图10-1的窗口。
“概率论与数理统计”中的几个数学实验
I[ :r3 ; n2 == O 】
n OБайду номын сангаас0 =l 0 0;
( 输入初始数据与模拟次数 )
I[] D [ = a l[ad m Itgr l 6 }{lr ;b a/ no; n3: oa T beR o [ ee, , 51d ,}b =a/ in = a n n { 3 , {l U s【:t eghb lr1 1i ,} s]IL n t[b<,, ,, n】 . [ 0 {l e= al[ [,,,1 c T be si(1 ] s ]i n ; ( 编 程 计算 } ) I[] p .ls n4: :Pu@@c / : c/ N ( 要求 概率 的近似值 )
关键词概率论与数理统计数学实验mathematica高校理科研究487科技信息in7quantileaa1095用另外一种方式计算上005分out7196751in8randomaa11生成一个参数为11服从的分布的随机数out8136576in9sss1tablerandomaa1110000生成10000个参数为11服从的分布的随机数in10gaphics加载图形包in11histogramsss1绘制直方图graphics例2student氏t分布in1clearnn16清除变量的赋值in2aa2studenttdistributionn产生一个服从参数为16的t分布的随机变量in3f2xevaluatepdfaa2x定义其概率密度函数in4plotf2xx66绘制概率密度函数的图形out4graphicsin5plotg2xx66绘制分布函数的图形out5graphicsin6findrootg2x095x13计算上005分位点out6x174588in7f2xdx验证上005分位点out700500003in8quantileaa2095用另外一种方式计算上005分out8174588in9randomaa2生成一个参数为16服从的t分布的随机数out9139094in10sss2tablerandomaa210000生成10000个参数为16服从的t分布的随机数in11graphics加载图形包in12histogramsss2绘制直方图out12gsphics例3f分布in1clearnmn16m19清除变量赋值输入参数值in2aa3fratiodistributionnm生成服从f1619分布的随机变量in3f3xevaluatepdfaa3x定义其概率密度函数in4plotf3xx09绘制概率密度函数的图形out4graphicsin5g3xevaluatecdfaa3xin6plotg3xx09绘制分布函数的图形out6graphicsin7findrootg3x095x9计算上005分位点out7x298897in8f3xdx验证上005分位点out800451076in9quantileaa3095用另外一种方式计算上005分位out9298897in10randomaa3生成一个服从f1619分布的随机数out10109471in11tablerandomaa310生成10个服从f161
Matlab中的概率分布与随机过程分析
Matlab中的概率分布与随机过程分析概率分布和随机过程是数学中重要的概念和工具,它们在各个领域中起着重要的作用。
在工程和科学领域中,通过对概率分布和随机过程的分析,我们可以揭示随机现象的本质规律,并为实际问题的建模与解决提供有效的数学工具。
Matlab是一款功能强大的科学计算软件,它内置了丰富的概率分布和随机过程分析工具,为研究者和工程师提供了便捷的分析方式和方法。
一、概率分布分析概率分布是研究随机变量取值的概率情况的数学模型。
在Matlab中,我们可以通过内置的统计工具箱进行概率分布的分析和计算。
以正态分布为例,我们可以使用Matlab中的normpdf函数绘制正态分布图形,使用normcdf函数计算正态分布的累积分布函数值,使用norminv函数计算正态分布的分位数。
通过对正态分布的概率密度函数、累积分布函数和分位数进行分析,我们可以对正态分布的性质和特点有更深入的了解。
除了正态分布,Matlab还内置了众多常见的概率分布函数,如均匀分布、指数分布、泊松分布等。
在实际问题中,我们可以使用这些函数进行概率分布的分析和建模。
例如,在金融风险管理中,我们可以使用泊松分布来描述某个事件发生的次数;在通信系统设计中,我们可以使用高斯分布来描述信号的噪声。
二、随机过程分析随机过程是一个随机变量的序列,它描述了随机事件在时间上的演化情况。
在实际问题中,我们经常需要对随机过程进行建模和分析。
Matlab提供了多种工具和函数来实现对随机过程的分析。
首先,我们可以使用随机过程的概率密度函数进行分析。
以马尔科夫链为例,我们可以使用Matlab中的markovchain函数创建一个马尔科夫链对象,并使用pdf函数计算其概率密度函数值。
通过对马尔科夫链的概率密度函数进行分析,我们可以研究其稳定性、收敛性等性质。
其次,我们可以使用随机过程的自相关函数和功率谱密度函数进行分析。
自相关函数描述了随机过程在不同时间点之间的相关程度,功率谱密度函数描述了随机过程在频域上的分布情况。
mathematica在概率论、数据统计与区间估计中的应用
项目七 概率论、数据统计与区间估计实验3 区间估计实验目的 掌握利用Mathematica 软件求一个正态总体的均值、方差的置信区间的方法;求两个正态总体的均值差和方差比的置信区间的方法. 通过实验加深对统计推断的基本概念的和基本思想的理解.基本命令1.调用区间估计软件包的命令<<Statistics\ConfidenceIntervals.m用Mathematica 作区间估计, 必须先调用相应的软件包. 要输入并执行命令<<Statistics`或<<Statistics\ConfidenceIntervals.m2.求单正态总体求均值的置信区间的命令MeanCi命令的基本格式为MeanCI[样本观察值, 选项1, 选项2,…]其中选项1用于选定置信度, 形式为ConfidenceLevel->α-1,缺省默认值为ConfidenceLeve1->0.95. 选项2用于说明方差是已知还是未知, 其形式为knownVariance->None 或20σ, 缺省默认值为knownVariance->None. 也可以用说明标准差的选项knownStandardDeviation->None 或0σ来代替这个选项.3. 求双正态总体求均值差的置信区间的命令MeanDifferenceCI命令的基本格式为MeanDifferenceCI[样本1的观察值, 样本2的观察值,选项1,选项2,选项3,…]其中选项1用于选定置信度, 规定同2中的说明. 选项2用于说明两个总体的方差是已知还是未知, 其形式为knownVariance->20σ或},{2221σσ或None, 缺省默认值为knownVariance-> None. 选项3用于说明两个总体的方差是否相等, 形式为EqualVariance->False 或True. 缺省默认值为EqualVariance->False, 即默认方差不相等.4. 求单正态总体方差的置信区间的命令VarianceCI命令的基本格式为VarianceCI[样本观察值, 选项]其中选项1用于选定置信度, 规定同2中的说明.5. 求双正态总体方差比的置信区间的命令VarianceRatioCI命令的基本格式为VarianceRatioCI[样本1的观察值,样本2的观察值,选项]其中选项1用于选定置信度, 规定同2中的说明.6. 当数据为概括数据时求置信区间的命令(1) 求正态总体方差已知时总体均值的置信区间的命令NormalCI[样本均值, 样本均值的标准差, 置信度选项](2) 求正态总体方差未知时总体均值的置信区间的命令StudentTCI[样本均值, 样本均值的标准差的估计, 自由度, 置信度选项](3) 求总体方差的置信区间的命令ChiSquareCI[样本方差, 自由度, 置信度选项](4) 求方差比的置信区间的命令FRatioCI[方差比的值, 分子自由度, 分母自由度,置信度选项] 实验举例单正态总体的均值的置信区间(方差已知情形)例3.1(教材例3.1) 某车间生产滚珠, 从长期实践中知道, 滚珠直径可以认为服从正态分布. 从某天产品中任取6个测得直径如下(单位:mm):15.6 16.3 15.9 15.8 16.2 16.1若已知直径的方差是0.06, 试求总体均值μ的置信度为0.95的置信区间与置信度为0.90的置信区间.输入<<Statistics\ConfidenceIntervals.mdata1={15.6,16.3,15.9,15.8,16.2,16.1};MeanCI[data1,KnownVariance->0.06] (*置信度采取缺省值*)则输出{15.7873,16.1793}即均值μ的置信度为0.95的置信区间是(15.7063,16.2603).为求出置信度为0.90的置信区间, 输入MeanCI[data1,ConfidenceLevel->0.90,KnownVariance->0.06]则输出{15.8188,16.1478}即均值μ的置信度为0.90的置信区间是(15.7873,16.1793). 比较两个不同置信度所对应的置信区间可以看出置信度越大所作出的置信区间也越大.例3.2 (教材例3.2) 某旅行社为调查当地旅游者的平均消费额, 随机访问了100名旅游σ者, 得知平均消费额80=x元, 根据经验, 已知旅游者消费服从正态分布, 且标准差12=元, 求该地旅游者平均消费额μ的置信度为%95的置信区间.输入NormalCI[80,12/25]输出为{77.648,82.352}单正态总体的均值的置信区间(方差未知情形)例3.3 (教材 例3.3) 有一大批袋装糖果, 现从中随机地取出16袋, 称得重量(以克计)如下:506508 499 503 504 510 497 512 514505 493 496 506 502 509 496 设袋装糖果的重量近似地服从正态分布, 试求置信度分别为0.95与0.90的总体均值μ的置信区间.输入data2={506,508,499,503,504,510,497,512,514,505,493,496,506,502,509,496};MeanCI[data2](*因为置信度是0.95, 省略选项ConfidenceLeve1->0.95;又方差未知, 选项knownVariance->None 也可以省略*)则输出{500.445,507.055}即μ的置信度为0.95的置信区间是(500.445,507.055).再输入MeanCI[data2,ConfidenceLevel->0.90]则输出{501.032,506.468}即μ的置信度为0.90的置信区间是(501.032,506.468).例3.4 (教材 例3.4) 从一批袋装食品中抽取16袋, 重量的平均值为,75.503g x =样本标准差为.2022.6=s 假设袋装重量近似服从正态分布, 求总体均值μ的置信区间(05.0=α).这里, 样本均值为503.75, 样本均值的标准差的估计为,4/2002.6/=n s 自由度为15,05.0=α, 因此关于置信度的选项可省略.输入StudentTCI[503.75,6.2002/Sqrt[16],15]则输出置信区间为{500.446,507.054}两个正态总体均值差的置信区间例3.5 (教材 例3.5) A , B 两个地区种植同一型号的小麦, 现抽取了19块面积相同的麦田, 其中9块属于地区A , 另外10块属于地区B , 测得它们的小麦产量(以kg 计) 分别如下:地区A : 100 105 110 125 110 98 105 116 112地区B : 101 100 105 115 111 107 106 121 102 92设地区A 的小麦产量),(~211σμN X ,地区B 的小麦产量),(~222σμN Y ,221,,σμμ均未知,试求这两个地区小麦的平均产量之差21μμ-的95%和90%的置信区间.输入list1={100,105,110,125,110,98,105,116,112};list2={101,100,105,115,111,107,106,121,102,92};MeanDifferenceCI[list1,list2] (*默认定方差相等*)则输出{-5.00755,11.0075}即21μμ-的置信度为95%的置信区间是(-5.00755, 11.0075).输入MeanDifferenceCI[list1,list2,EqualVariances->True] (*假定方差相等*)则输出{-4.99382,10.9938}这时21μμ-的置信度为0.95的置信区间是(-4.99382, 10.9938). 两种情况得到的结果基本一致.输入MeanDifferenceCI[list1,list2,ConfidenceLevel->0.90,EqualVariances->True]则输出{-3.59115, 9.59115}即21μμ-的置信度为90%的置信区间是(-3.59115, 9.59115). 这与教材结果是一致的.例3.6 (教材 例3.6) 比较A 、B 两种灯泡的寿命, 从A 种取80只作为样本,计算出样本均值,2000=x 样本标准差.801=s 从B 种取100只作为样本, 计算出样本均值,1900=y 样本标准差.1002=s 假设灯泡寿命服从正态分布, 方差相同且相互独立, 求均值差21μμ-的置信区间(05.0=α).根据命令StudentTCI 的使用格式, 第一项为两个正态总体的均值差; 第二项为两个正态总体的均值差的标准差的估计, 由方差相等的假定, 通常取为2111n n S w +,其中 2)1()1(21222211-+-+-=n n S n S n S w ; 第三项为自由度;221-+=n n df 第四项为关于置信度的选项. 正确输入第二个和第三个对象是计算的关键.输入sp=Sqrt[(79*80^2+99*100^2)/(80+100-2)];StudentTCI[2000-1900,sp*Sqrt[1/80+1/100],80+100-2]则输出{72.8669,127.133}即所求均值差的置信区间为(72.8669,127.133).单正态总体的方差的置信区间例3.7 (教材 例3.7) 有一大批袋装糖果, 现从中随机地取出16袋, 称得重量(单位:g)如下:506508 499 503 504 510 497 512 514505 493 496 506 502 509 496 设袋装糖果的重量近似地服从正态分布, 试求置信度分别为0.95与0.90的总体方差2σ的置信区间.输入data7={506.0,508,499,503,504,510,497,512,514,505,493,496,506, 502,509,496};VarianceCI[data7]则输出{20.9907,92.1411}即总体方差2σ的置信度为0.95的置信区间是(20.9907,92.1411).又输入VarianceCI[data7,ConfidenceLevel->0.90]则可以得到2σ的置信度为0.90的置信区间(23.0839,79.4663).例 3.8 (教材 例 3.8) 假设导线电阻近似服从正态分布, 取9根, 得样本标准差,007.0=s 求电阻标准差的置信区间(05.0=α).输入ChiSquareCI[0.007^2,8]输出置信区间{0.0000223559,0.000179839}双正态总体方差比的置信区间例 3.9 (教材 例 3.9) 设两个工厂生产的灯泡寿命近似服从正态分布),(211σμN 和),(222σμN . 样本分别为工厂甲: 1600 1610 1650 1680 1700 1720 1800工厂乙: 1460 1550 1600 1620 1640 1660 1740 1820设两样本相互独立, 且222121,,,σσμμ均未知, 求置信度分别为0.95与0.90的方差比2221/σσ的置信区间.输入Clear[list1,list2];list1={1600,1610,1650,1680,1700,1720,1800};list2={1460,1550,1600,1620,1640,1660,1740,1820};VarianceRatioCI[list1,list2]则输出{0.076522,2.23083}这是置信度为0.95时方差比的置信区间.为了求置信度为0.90时的置信区间, 输入VarianceRatioCI[list1,list2,ConfidenceLevel->0.90]则输出结果为{0.101316,1.64769}.例3.10 (教材 例3.10) 某钢铁公司的管理人员为比较新旧两个电炉的温度状况, 他们抽取了新电炉的31个温度数据及旧电炉的25个温度数据, 并计算得样本方差分别为7521=s 及10022=s . 设新电炉的温度),(~211σμN X , 旧电炉的温度),(~222σμN Y .试求2221/σσ的95%的置信区间.输入FRatioCI[75/100,30,24]则输出所求结果{0.339524, 1.60191}实验习题1.对某种型号飞机的飞行速度进行15次试验, 测得最大飞行速度如下:422.2 417.2 425.6 420.3 425.8 423.1 418.7 428.2438.3 434.0 312.3 431.5 413.5 441.3 423.0假设最大飞行速度服从正态分布, 试求总体均值μ(最大飞行速度的期望)的置信区间(05.0=α与10.0=α).2.从自动机床加工的同类零件中抽取16件, 测得长度值(单位:mm)为12.15 12.12 12.01 12.08 12.09 12.16 12.03 12.0612.06 12.13 12.07 12.11 12.08 12.01 12.03 12.01求方差的置信区间(05.0=α).3.有一大批袋装化肥, 现从中随机地取出16袋, 称得重量(单位:kg)如下:50.6 50.8 49.9 50.3 50.4 51.0 49.7 51.251.4 50.5 49.3 49.6 50.6 50.2 50.9 49.6设袋装化肥的重量近似地服从正态分布, 试求总体均值μ的置信区间与总体方差2σ的置信区间(分别在置信度为0.95与0.90两种情况下计算).4.某种磁铁矿的磁化率近似服从正态分布. 从中取出容量为42的样本测试, 计算样本均值为0.132, 样本标准差为0.0728, 求磁化率的均值的区间估计(05.0=α).5.两台机床加工同一产品, 从甲机床加工的产品中抽取100件,测得样本均值为19.8, 标准差0.37. 从乙机床加工的产品中抽取80件, 测得样本均值20.0, 标准差0.40. 求均值差21μμ-的置信区间(05.0=α).6.设某种电子管的寿命近似服从正态分布, 取15只进行试验, 得平均寿命为1950h, 标准差为300h, 以90%的可靠性对使用寿命的方差进行区间估计.7.随机地从A 批导线中抽取4根, 从B 批导线中抽取5根, 测得电阻(单位:Ω)为A 批导线: 0.143 0.1420.143 0.137 B 批导线: 0.140 0.142 0.136 0.138 0.140设测定数据分别来自分布),(211σμN 和),(222σμN ,且两样本相互独立. 又222121,,,σσμμ均未知, 求21μμ-的置信度为0.95的置信区间.8.研究由机器A 和机器B 生产的钢管的内径, 随机地抽取机器A 生产的管子18只, 测得样本方差;34.0221mm s =抽取机器B 生产的管子13只, 测得样本方差.29.0222mm s =设两样本相互独立, 且设两机器生产的管子的内径分别服从正态分布),(211σμN 和),(222σμN , 这里222121,,,σσμμ均未知, 求方差比2221/σσ的置信度为0.90的置信区间.。
Mathematica4.0使用方法(数学实验课讲义)
Mathematica4.0使用方法数学实验课教材首钢工学院Mathematica数学实验Mathematica 是一个交互式的计算系统.这里说的交互是指:在使用Mathematica 系统的时候,计算是在使用者(用户)和Mathematica 互相交换、转递信息数据的过程中完成的.用户通过输入设备(一般指计算机键盘)给系统发出计算的指令(命令),Mathematica 完成给定的计算工作后把计算结果告诉用户(一般通过计算机显示器).Mathematica 是一个集成化的计算机软件系统.它的主要功能包括三个方面:符号演算、数值计算和图形绘制.例如,它可以完成多项式的各种计算(四则运算、展开、因式分解);可以求多项式方程、有理式方程和超越方程的精确解和近似解;做数值的或一般表达式的向量和矩阵的各种计算;求一般函数表达式的极限、导函数、积分、幂级数展开,求解微分方程等等.根据教学大纲的要求及学校的课时安排(共12课时,内含2课时考试),我们将Mathematica数学软件的学习缩编成下面的四个实验,以期在短时间内使同学们掌握该软件的基本使用方法,学会用它解决高等数学中的一些常见问题.目录第一篇微积分 (1)实验一……………………………………………………实验二……………………………………………………实验三……………………………………………………实验四……………………………………………………第二篇线性代数……………………………………………………实验一……………………………………………………实验二……………………………………………………第三篇概率统计……………………………………………………第四篇复数与积分变换……………………………………………附录Mathematiac一部分函数及意义……………………第一篇微积分实验一一、实验目的1.学习在Windows下Mathematica 4.0软件的启动与退出,并熟悉其界面;2.建立文件与保存文件;3.学习用基本运算符号和模板进行加、减、乘、除、乘方、开方等常用的算术运算;4.学习表示计算结果的近似结果;5.会用符号或模板进行常见函数的输入及多项式的变换;6.会给变量赋值.二、内容与步骤1.Mathematica 4.0的启动与退出启动计算机,屏幕上显示Windows界面,单击“开始”进入主菜单,将鼠标移向“程序”,找到包含Mathematica 4.0的程序组,单击可执行程序Mathematica 4.0就进入了该系统,此时系统已进入交互状态,在等待用户输入命令.当软件使用完毕后,需要退出Mathematica系统时,只须单击工作窗口右上方的“File”菜单中选用命令“Exit”,或者按“Alt+F4”键均可退出系统,回到操作系统状态.例如:输入2+3后,按Enter+Shift组合键或右边小键盘上的Enter键运行,屏幕上就显示出In[1]:=2+3Out[1]=5其中In[1]:= 表示第一个输入,Out[1] = 表示第一个输出,它们是在运行后由系统自动显示的,用户不必输入.注意:若直接按左边的Enter键,只是在输入的组合命令中起换行的作用.2.建立文件与保存文件在工作窗口做好的某些内容,如果想要保留以供今后多次使用,通常是建立一个文件,将做好的内容保存在文件中.单击File/ Save as,在文件名N一栏内键入一个文件名,然后左击保存S.3.算术运算与模板的使用a):输入基本运算符号加+减-乘*(或用一个空格表示相乘)除/幂乘yx^优先运算:用圆括号,并可重复多次使用.b):模板的调出与运用方法一:在Mathematica 3.0以上版本的输入中,可以使用工具按钮输入各种运算,其步骤如下:①单击菜单栏中的文件File选项;②在下拉菜单中选择调色板Palettes选项;③在下一级菜单中单击基本计算BasicaCalculations选项,将会另外出现一个工具窗口;④在其窗口中单击计算与数值Arithmetic and Numbers选项前的符号“”,使其符号变成“▽”,将出现加、减、乘、除、乘方、开方等工具按钮;⑤单击需要的按钮,在原Notebook窗口中将会出现相应输入格式,将光标移到标有“□”的位置上,输入数值或表达式,就可以完成输入格式.方法二:在第③步,在下一级菜单中单击基本计算BasicInput 选项,出现一个常用的含有多种运算的模板(加、减可以直接从键盘输入+、-号) 4. 近似与精确 a ) 命令输入:N[表达式,n] 精确到n 位有效数字;N[表达式] 近似值按计算机默认的数位(6位)处理; [表达式]// N 同上;% 表示最近一次计算机运行后的输出结果;注意:1)当输出结果是610以下的数字,近似值按计算机默认的6位有效数字处理;610及610以上的近似值计算机按科学计数法处理.2)N[表达式,n] 表示精确到n 位有效数字(注:当n=1~16时,结果都按计算机默认的6位处理). b) 模板调出:与上述算术运算模板调出的方法一相同. 例1 1)输入: N310,结果显示:0.0141592653589792)输入:N ,结果显示: 3.1(按计算机默认的6位处理) 3)输入:N %, 表示对当前结果取18位有效数字近似 4)输入:4566000.66777777777777结果显示:4.5665.Mathematica中的常数、数学函数与常见的多项式变换a)直接从键盘输入(在英文状态下)Mathematica的常数:Pi 表示πE 表示eDegree (π/180)表示度I 表示虚数iInfinity 表示无穷大∞Mathematica中常用的数学函数:幂函数Sqrt[x] (求平方根) ;指数函数Exp[x] (以e为底的指数函数);对数函数Log[x] (以e为底的对数函数);Log[a,x] (以a为底的对数函数);三角函数Sin[x],Cos[x],Tan[x],Cot[x],Sec[x],Csc[x];反三角函数ArcSin[x],ArcCos [x],……;双曲函数Sinh[x],Cosh[x],Tanh[x],Coth[x],……;反双曲函数ArcSinh[x],…….Mathematica中常见的多项式变换:Factor[表达式] 将表达式分解因式Expand[表达式] 将表达式展开成多项式和的形式Simplify[表达式] 将表达式化简成最简形式Apart[表达式] 将表达式分解为部分分式之和函数表达式的运算规则有:1).它们都以大写字母开头,后面用小写字母.当函数名可以分成几段时,每一个段的头一个字母用大写,后面的字母用小写.例如,ArcSin[x].2).函数的名字是一个字符串,其中不能有空格.3).函数的自变量表用方括号括起来,不能用圆括号.4).多元函数的自变量之间用逗号分隔.b)模板介绍在Mathematica3.0以上版本的输入中,可以使用工具按钮输入各种函数,其步骤如下:①击菜单栏中的文件File选项;②在下拉菜单中选择调色板Palettes选项;③在下一级菜单中单击基本计算BasicaCalculations选项,将会另外出现一个工具窗口;在其窗口中单击三角与指数函数Trigonometric and Exponential Finctions选项前的符号“”,使其符号变成“▽”并列出子选项的清单;在此清单中单击三角Trigonometric选项前的符号“”,使其符号变成“▽”,将会出现一些三角函数和反三角函数工具按钮;单击需要的按钮,在原Notebook窗口中将会出现相应三角函数或反三角函数输入格式,将光标移到标有“□”的位置上,输入数值或表达式,就可以完成输入格式;在此清单中单击指数与对数Exponential and Logarithmic选项前的符号“”,使其符号变成“▽”,将会出现一些指数与对数函数工具按钮;单击需要的按钮,在原Notebook窗口中将会出现相应指数或对数函数输入格式,将光标移到标有“□”的位置上,输入数值或表达式,就可以完成输入格式;在此清单中单击双曲函数Hyperbolic选项前的符号“”,使其符号变成“▽”,将会出现一些双曲函数和反双曲函数工具按钮;单击需要的按钮,在原Notebook窗口中将会出现相应双曲函数和反双曲函数输入格式,将光标移到标有“□”的位置上,输入数值或表达式,就可以完成输入格式. 在其窗口中单击计算与数值Algebra 选项前的符号“”,使其符号变成“▽”,将出现Polynomial Manipulation ,Simplifyication 等工具按钮进行相关选择即可完成多项式的变换; 例2In[13]:=Log[2,3.256] Out[13]:=1.7031 例3:已知1 ,1232221-=-+=x p x x p ,计算2121 ,p p p p ⨯+,21p p ÷并将2121 ,p p p p ⨯+的结果分解因式、展开多项式,将21p p ÷的结果分解为部分分式 输入:p1 3x^22 结果显示: 12xp2 x^1P122x p11x212xp1Factor p11x1x21Expand p1p212x 4x 22x3Apart p 136. 变量赋值:命令格式:x= a 将值a 赋给变量xu=v=a 将值a 赋给变量u 、v (给多个变量赋值)f[x]/. x->a 变量x 赋值为a (求函数f[x]在x=a 时的值) u := 延迟赋值,按Shift+Enter 键没有结果输出,待给变量赋值运行后才有结果u= 直接赋值,按Shift+Enter 键后有结果输出 u=. 清除变量u 的值Clear[x] 清除变量x 的值,多用作清除函数注意:应随时将以后不再使用的变量的值清除掉,以免影响后面某些计算结果的正确性.习题一1. 计算1)62456log 3e -+并保留15位有效数字.2) sin(30)+tan(6π)并精确到小数点后7位.3)7lg 21arctan 1arcsin ++2. 给变量赋值并计算1) 若x=6,y=e,z=x+3y ,计算3z-5y 2+6(x-7)52)x=3,y=5π,计算(lgx )⨯arcos(2y)- 9并保留18位有效数字.3.设p1=2x-1, p2=3x-7, 求 p1×p2, 并展开它,再分解因式,最后将 1/(p1×p2)分解为部分分式. 练习过程及答案N 34Log 2,566,316.8.1.0z x 3y . x 6,y3z 5y 26 x 75. x 6,y ,z 665 23 69.000000000000000000.33490675722196522x 1 3x 12x 73Expandy9.实 验 二一、实验目的1、学习使用自定义函数,会求函数值;2、学习用绘图语句作函数图形;3、学习用解方程的语句解方程、方程组;4、会建立表,进行表的基本运算. 二、内容与步骤 1、自定义函数:一般函数: f[x_]= 表达式 定义的规则x 可以被替代 f[x_]:= 表达式 延迟赋值 f[x_]=. 清除f[x_]的定义Clear[f] 清除所有以f 为函数名的函数定义 分段函数:Which[条件1,表达式1,条件2,表达式2,…条件n ,表达式n]Which 语句是表示分段函数的常用语句. 例1:定义函数:x x x x f cos )(2++=,并求f (2)的值输入命令:显示输出: 4.9输入显示结果注意:f[2.]表示求自变量为2时函数的近似值;f[2]表示为精确值..10.例2:定义函数....0()0.. 0....0x x g x x x x >⎧⎪==⎨⎪-<⎩并求:)0(),3(),1(g g g -的值 输入命令g x_: Which x 0,x,x 0,0,x0,(将分段函数自定义成一个函数)显示结果 1 输入显示结果 3 输入显示结果 0注意:中括号内的等号要输成双等号 2.作图:1)基本作图命令格式(a )只规定自变量范围的作图命令:Plot[f(x),{x,x1,x2}](b) 不仅规定自变量范围,还规定因变量范围的作图命令Plot[f(x),{x,x1,x2},PlotRange->{y1,y2}](c) 不仅规定自变量范围,还可以加标注(函数名称,坐标轴) Plot[f(x),{x,x1,x2},PlotLabel->“表达式 ”,AxesLabel ->{“x ”,“y ”}11.2)观察函数图形的叠加情况设)...(),(21x f y x f y==,若在一个坐标系里观察这几个函数图像命令格式为:Plot[{ )(),(21x f x f },{x,x1,x2}]注意:不要将“ )(),(21x f x f ”写成“ )(),(21x f y x f y ==”例3:做出y=sinx 在[-4π4π]之间的图像Plot S in x , x ,4Pi,4例4:做出y=tanx 在[0,4π],y ∈[-5,5]之间的图像PlotT an x , x ,0,4 ,PlotRange 5,.12.例5:做出y=sinx,sin2x,sin3x 在[0,2π]内的标出坐标轴的且用三种不同颜色标示的图像.3) 分段函数的作图先利用条件语句Which 自定义分段函数,然后用Plot 语句画出分段函数的图形格式步骤:首先输入 f [x _]:= Which[条件1,表达式1,条件2,表达式2,…条件n ,表达式n]再输入 Plot[f(x),{x,x1,x2}] 例6 作出....0()0.. 0....0x x g x x x x >⎧⎪==⎨⎪-<⎩的图像g x _ : Which x 0,x,x 0,0,x0, Plot g x , x ,2,13 .4)参数方程作图使用 ParametricPlot 函数可以画参数形式的图形,格式如下: ParametricPlot[{x(t),y(t)},{t ,a ,b},可选项]ParametricPlot[{{x1(t),y1(t),{x2(t),y2(t)},...},{t ,a ,b},可选项]例7 画出圆的参数方程的⎩⎨⎧==ty tx sin cos ,0<t <2π曲线图形解 In[5]:=ParametricPlot[{Sin[t],Cos[t]},{t ,0,2Pi},AspectRatio ->Automatic] Out[5]:=AspectRatio :指定作图的纵横比例.系统默认值约0.618:1.可以为 AspectRatio 指定任何一个其他数值.如果希望系统按实际情况作图即纵横比例为1:1,则需要将这个可选项设置为Automatic . 5)二元函数的图像命令格式:首先定义二元函数: z[x_,y_]:=表达式 然后作图Plot3D[z[x,y],{x,x1,x2},{y,y1,y2}].14.例8 做出222y x z +=的图像输入: 输出:上述命令大多可以通过模板调出 ① 左击菜单栏中的文件File 选项; ②在下拉菜单中选择调色板Palettes 选项;③在下一级菜单中单击基本计算BasicaCalculations 选项,将会另外出现一个工具窗口;④ 在其窗口中单击图形Graphics 选项前的符号“”,使其符号变成“▽”并列出子选项的清单进行选择3.解方程: 1)解方程命令格式:Solve[f(x)= =0,x] 2) 解方程组命令格式:Solve[{f (x)= =0,g (y)= =0,…},{x,y,…}]15.上述命令可以通过模板调出 ①左击菜单栏中的文件File 选项; ②在下拉菜单中选择调色板Palettes 选项;③在下一级菜单中单击基本计算BasicaCalculations 选项,将会另外出现一个工具窗口;④在其窗口中单击图形Algebra 选项前的符号“”,使其符号变成“▽”并列出Solving Equations 选项的清单进行选择 例9 求方程063523=++-x x x 的根. 解: 输入Solve x 35x 23x 60 输出:例10 求方程组⎩⎨⎧=+=-ny x m y x 2的根 解: 输入Solvex 2y m,x y n , x ,输出:例11求解方程b x x =++-11 解: 输入输出:4.表的操作 1)表的生成.16.一维表:{a,b,c…}二维表(表中表):{{一维表1},{一维表2},{一维表n}…} 如:一维表{1,2,3},二维表{{1,2},{5,2},{6}}2)表中元素的提取一维表b 的第i 个元素: b[[i]] 或Part[[b,i]] 二维表b 的第i 个分表:b[[i]] 或Part[[b,i]] 二维表b 的第i 个分表中的第j 个元素: b[[i,j]] 如:b={{1,2},{5,2},{6}} b[[2]]-----显示 {5,2} b[[2,1]]----- -显示53)表的运算设b1,b2表示结构完全相同的两个表,表b1,b2的和、差、积、商等于对应元素的相应运算(分母不为零)b1={{1,2},{5,2},{6}},b2={{3,1},{0,2},{2}} b1+ b2={{4,3},{5,4},{8}}习题21. 解方程组⎪⎩⎪⎨⎧=+=342y x x y 2.f(x)=2x 2+5x-8, 求f (1) f (3)f( 2)作出图像3.作出⎪⎪⎩⎪⎪⎨⎧>-≤≤-<=2 (22)0........20................sin )(32x x x x x x x x f 的图像,并求f(0.3)17.4.作出y=cosx,cos2x,cos3x 在[0,2π],标出坐标轴并带有三种不同颜色的图像 答案:Solvey 2 4x,x y 3 , x ,yx 1,y 2 , x 9,y 6f x _2x^25x 85x 2fPlot f x , x ,5,5Graphicsg 0.0.79895Plot g x , x ,5,5GraphicsPlot C os x ,Cos 2x ,Cos 3x , x ,0,2Pi ,AxesLabel "x","y" PlotStyle R GBColor 1,0,1 ,RGBColor 0,1,0 ,RGBColor 0,0,1GraphicsSurfaceGraphics实 验 三一、 实验目的1.学习用软件计算极限,判断函数的连续性;2.学习用软件计算一元函数的导数、多元函数的偏导数;3.学习用软件计算隐函数、参数式函数的导数及函数的微分、全微分; 4.学习用软件计算微分方程的解; 5.导数的简单应用. 二、 内容与步骤 1. 极限、连续:1)求一元函数的极限的命令格式是:Limit[f[x],x ->x 0] 表示求函数x →x 0 的极限;Limit[f[x],x ->x 0,Direction ->1] 表示求函数x →x 0-的极限(左极限); Limit[f[x],x ->x 0,Direction ->-1] 表示求函数x →x 0+的极限(右极限).2)若x 趋于无穷,即 x → ∞,则格式为Limit[f[x],x → ∞] x 趋于负无穷或正无穷格式为:Limit[f[x],x → - ∞] , Limit[f[x],x → + ∞]3)注:->∞ 也可由File → Palettes → BasicInput 中的符号输入 例1 求下列函数的极限:(1)443lim 24---→x x x x输入: Limit[4 ,4432→---x x x x ]输出:5 (2)xxx 3arctan lim+∞→输入:Limit[ArcTan[x]3x,x→+∞]输出:0 (3)x x x 2)4751(lim -+∞→ 输入:Limit[x x 2)4751(-+,x→∞] 输出:例2 求 x x e --→133lim 及x x e +-→133lim输入:Limit[,x→3,Direction→1]Limit[,x→3,Direction→-1] (e 为BasicInput 符号栏中的 )输出:0 输出:∞还有一些函数没有极限,此时系统会进行相应的处理,返回一些特殊的结果.例3 求当x →0时,y =sinx1的极限. 解:输入:Limit[Sin[1/x],x→0]输出:Interval[{-1,1}]上面这个例子表示当x →0时,函数sin x1在-1与1之间无穷震荡,所以没有确定的极限.例4 判定函数⎪⎩⎪⎨⎧≤+>=02302sin )(x x x xxx f 在 x=0点是否连续.解:输入:Limit[Sin[2x]x,x →0,Direction→-1] 右极限 输出:2输入: Limit[3x +2, x →0, Direction→1]] 左极限 输出:2输入:3x+2/.x→0 计算函数值 输出:2∴ 函数在x =0这一点连续. 2. 导数、偏导数1)一阶导数)(x f '的命令格式为: D[f ,x] (f 为函数表达式,x 为自变量) 2)n 阶导数)()(x f n 的命令格式为: D[f,{x,n}] (n 为导数的阶数) 3)用BasicInput 工具栏输入: (函数表达式变量∂ 此时的函数表达式可以是一元或多元函数,变量可有一个或多个,使用灵活.如输入: x x 3(求一元函数x 3对x 的一阶导数) 输出:8x输入: x,x x 3(求一元函数x 3对x 的二阶导数) 输出:输入: x x 3y 4x (求二元函数x 3y 4对x 的一阶偏导数)输出:3x 2y 8输入: y x 3y 4x (求二元函数x 3y 4对y 的一阶偏导数)输出:x 38输入: x,x x 3y 4x (求二元函数x 3y 4对x 的二阶偏导数)输出:6x y输入:x,y x 3y 4x (求二元函数x 3y 4先对x 后对y 的二阶偏导数)输出:3x 21输入: y,y x 3y 4x(求二元函数x 3y 4对y 的二阶偏导数)输出:例1 求下列显函数的导数:(1)3532x x y += (2)x e x y 2= (3)12ln +=x x y 解:(1)输入: D[2 x 5+3 x 3,x]输出: 9x 2+10x 4(2)输入:x x输出:2 xx(3)输入:x Log x2x输出:例2 求函数22ln ),(y x y x f +=的偏导数x f ∂∂,y f∂∂,y x f ∂∂∂2解: 输入:输出:x输入: 输出:x输入:输出:例3 求函数5-202Q Q R =,当Q=15和Q=20时的()20)15(R R ''及 解:求函数在一点x 0处的导数值,只需在输入表达式后面再继续输入“/.x→x 0”即可.方法一:输入:D[Q ,5Q -Q 202]/.Q →15 输出:14 (即 (15)14R '=)输入:D[Q ,5Q -Q 202]/.Q →20 输出:12. (即 (20)12R '=)方法二:(函数表达式)变量∂/.x->a输入:输出:输入:输出:12例4 求函数f (x )=sin ax cos bx 的一阶导数dx df ,并求ba x dxdf+=1.解: 输入:x S in a x Cos b x.x a输出:例5 求下列函数的高阶导数:(1)5x y = 求:y ''' (2)x xe y 3= 求:y '' (3)xx xy cos sin sin += 求:y ''解:(1)输入:D[x ^5,{x ,3}]输出:60x 2(2)输入:D[x Exp[3 x],{x ,2}]输出:6 3x9输入:Simplify[D[Sin[x]/(Sin[x]+Cos[x]),{x,2}]] 输出:Cos[x]-Sin[x]Cos[x]+Sin[x]-22()()3. ㈠求隐函数的导数由方程F (x , y )=0 确定的函数)(x f y =,称为隐函数.方法:1)自定义一个导函数G[x_]对F (x ,y )求导,但必须将变量y 输入成y[x],即y 是x 的函数.2)用Solve 函数将y [x]'解出即可.即先求导再解方程.例6 求由方程12222=+by a x 所确定的隐函数的导数.解:方法一输入:D[2222x y[x]+a b-1,x ](先自定义一个导函数G[x],这里表达式中的y 应写成y[x])输出:22b [x]2y[x]y'a 2x + 输入:Solve[G[x]==0,y'[x]](用解方程Solve 命令,从导函数的方程G[x ]=0 中解出y'[x],这里方程必须使用双等号“==” )输出:{{y'[x] → -y[x]a xb 22}}方法二:利用工具栏与解方程语句:输入:输出:例7 已知方程0=-y xe xy 确定一个y 是x 的函数)(x f ,求 )(x f '. 解: 输入:Solve x xx y xy x0,y'输出:例8.设函数满足方程sin x x y ye +=0,求 ()y x '. 解:输入:Solve x x Sin y xy xx 0,y'输出:㈡ 求函数的微分、全微分求函数的微分dy ,其形式为Dt[f(x)].输出的表达式中所含的Dt[x],这里可以视为dx .求函数f (x, y )的全微分dz , 其形式为 Dt[f[x ,y]] 例9 求y =sin2x 的微分dy . 解: 输入:Dt[Sin[2x]]输出:2 Cos[2 x] Dt[x]例10 求函数x e x x y 23ln +=的微分dy . 解: 输入:Dt[x ∧ 3 Log[x]+Exp[2 x]]输出:2 e 2 x Dt[x]+x 2Dt[x]+3x 2Dt[x]Log[x] 再化简一下输入:Simplify[%]输出:Dt[x](2 e 2 x +x 2+3x 2 Log[x]) 即 dx x x x e dy x )ln 32(222++= 例11 求函数u xy z =23的全微分. 解: 输入:Dt[x y^2 z^3]输出:y 2 z 3 Dt[x] + 2 x y z 3 Dt[y] + 3 x y 2 z 2 Dt[z] ㈢ 参数式函数的求导形如 ⎩⎨⎧==)()(t x t y ψϕ 的函数为参数式函数,其导数 t t x x y y ''='. 其输入方式为:例12.设 ⎪⎩⎪⎨⎧==ta y ta x 33sin cos ,求 dx dy解: 输入: 输出:Ta例13.求椭圆⎩⎨⎧==tb y t a x sin cos 在 4π=t 处的导数解: 输入:输出:4.用 Mathematica 解微分方程其格式为: DSolve[微分方程,y[x],x] 注意要将y 输入成y[x] 例14 解微分方程 ()()y x y x '+=1解: 输入:DSolve[y'[x]+y[x]==1,y[x],x]输出:{{y[x]->1+xE C[1]}} 例15 求微分方程(x 2+y 2)dx -xydy =0的通解.解: 输入:DSolve[(x^2+y[x]^2)Dt[x]-x y[x] Dt[y[x]]==0,y[x],x]输出:{{y[x]->-Sqrt[x 2 (C[1]+2 Log[x])]},y[x]-> Sqrt[x 2 (C[1]+2 Log[x])]}}例16 求微分方程 ()x y xy '''+=212满足初始条件10==x y ,3'0==x y 的特解. 解: 输入:DSolve[{(x^2+1)y''[x]==2x y'[x], y[0]==1, y'[0]==3}, y[x],x]输出:{{y[x]-> 1+3 x +x 3}}5.导数的简单应用 (1)求函数的单调区间例17 求函数123+-=x x y 的单调区间解:函数的单调区间需要用到一阶导函数的图像、一阶导函数为零的驻点.输入:f x _ : x 32(建立函数) Plotf x ,f' x, x ,3,3 ,PlotStyle G rayLevel 0.01 ,Dashing0.01(画函数与导函数图像,其中虚线为导函数图像)输出:输入:Solve f ' x(求函数的驻点) 输出:观察图像,两个驻点将定义域分成三个区间,可看出函数在 ),32,(--∞),32(+∞内为增函数,在)32,32(-内为减函数.(2)求函数的极值例18 求函数21xxy +=的极值 解: 输入:g x _ : 1 Plotg x ,g' x, x ,3,3 ,PlotStyle G rayLevel 0.01 ,Dashing0.01输出:输入:Solve g ' x输出: x 1 , x(从图中可看出两驻点分别是极小值点和极大值点)输入: g输出:2(3)求极值的近似值 例19 求函数)2(cos 25)2(sin 222xx x y +=位于),0(π内的极值的近似值. 解:输入:Plot f x , x ,0,输出:观察图形,函数约在x=0.8、x=2.3处有极大值,在x=1.6处有极小值,可用命令FindMinimum 直接求极值的近似值,其格式为:FindMinimum[f[x],{x ,x 0}],求以x 0为初始点的局部极小值.FindMinimum 只可求极小值的近似值,欲求极大值的近似值,须将函数换成相反函数.输入: FindMinimum f x , x ,1 输出:1.94461, x 1.623即同时得到极小值1.94461和极小值点1.62391 输入:FindMinimum f x , x ,0输出: 3.73233,x 0.8641输入: FindMinimum f x , x ,2输出:2.95708,x 2.244即函数-y 的两个极小值和两个极小值点,从而得到函数y 的两个极大值和极大值点.(4)最大、最小值的应用例20 要制造一个容积为2,上端为半球形,下端为圆柱的粮仓,问:当圆柱的高和底半径为何值时,粮仓的表面积最小? 解: 设粮仓的表面积为S ,圆柱的高为h>0, 底半径为r>0.由题意,粮仓的容积2=323421 r h r ππ⋅+,则 )31 1(2 322223r r r r h -=-=πππ ∴粮仓的表面积S=⋅r 2π)31 1(22r r -π+324 42122r r r ππ+=⋅. 输入: FindMinimum[4/r+2πr 2/3,{r,10}] 输出:{6.09295,{r →0.984745}}.(5)微分方程的应用例21 一质量为m 千克的物体从高处下落,所受空气阻力与速度成正比,设物体开始下落时(t=0)的速度为零,求物体下落速度与时间的函数关系v (t). 解:设物体所受空气阻力为f ,由题得 kv f =(k 为比例系数),下落时所受重力为mg ,根据牛顿第二定律有 v m ma kv mg f mg '==-=- 输入:DSolvem v' t m g k v t ,v 0 0 ,v t输出: 输入:Simplif输出:习题3 (每小题中括号内为该题答案)1. 求导数:(1)tan )2xy =[(2)1124=y (3)sin cos cos x y y y -+=220 求 .y '(4)cos()sin ,y xy x =223求 .y ' 326s i n [3x ]c o s [3x ]+y s i n [x y ][]2ycos[xy]-xy sin[xy](5),6x e y x ⋅= 求 )1()5(y [4051e] (6)x y z cos = , 求 y x z z '' , [y Si ,Co](7)xy e z =,求 y x z z '' , [,](8)求 y e z x cos sin = 的二阶偏导数 [SinxCos x2Cos ySin xCos y Si,SinxCos x Si,Sin xCo] (9) 求函数 ⎪⎩⎪⎨⎧==-tt ey tex 的导数[(10)求函数 ⎩⎨⎧-=-=)cos 1()sin (t a y t t a x 的导数[2.求微分及全微分:(1)674335+-+=x x x y [7Dt x 12x 2Dt x 15x 4D] (2)32cot(ln )=x y ex[(3)xxx y ++=1sin ln [(4)y e z x sin = [ xCos y Dt yxDt x Si] (5))cos(y x x z += [Cos x y Dt x x Dt x Dt ySinx] 3.解微分方程 (1)求微分方程yxdx dy -=的通解. [(2)求微分方程0)1(22=++dy x dx xy 的通解.[(3)求微分方程x yx y dx dy tan +=的通解. [{y xx ArcSin x}] (4)求微分方程x x x y dxdysin 2cot =-的通解.[y x x 2Sin x C 1 Sin] (5)求微分方程42x y y x =+'满足初始条件61)1(=y 的特解. [ y x]4.求下列极限 (1)1lim1-+→x xx [∞](2)11lim31++-→x x x [31 ] (3)121lim +-∞→⎪⎭⎫⎝⎛+x x x x [ 2e ](4)判断函数 ⎪⎩⎪⎨⎧>≤-=0,0,1)(2x x x x x f 在 0=x 处是否连续? [ 不连续 ]实 验 四一、 实验目的1、 学习用软件计算不定积分;2、 学习用软件计算定积分、二重积分和广义积分;3、 定积分的简单应用,求平面面积和旋转体体积. 二、 内容与步骤 1.不定积分输入格式: BasicInput 符号栏中的符号注意:输出结果均不带积分常数. 例1 求下列不定积分 ⎰dx x5解:输入:x输出:6x 62. 定积分输入格式: BasicInput 符号栏中的符号例2 求下列定积分 ⎰-212 1dx x x解:输入:输出:3 例3 计算广义积分⎰+∞∞-+dx x 211解:输入:输出:例4 计算由抛物线2x y =和直线x y =所围成的平面图形的面积及该图形绕x 轴旋转一周所得的旋转体体积(表示出必要的步骤)解:(1)求交点输入:Solvey x,y x^2 , x ,输出: y 0,x 0 , y 1,x(2)作图 输入:Plotx ,x^2 , x ,2,输出:GraphClea Clea(3)定积分求面积输入:1 x x^2输出:6(4)定积分求体积输入:1x 2x输出:13.二重积分用Mathematica 计算二重积分的命令格式是:输入方法:先输入一元定积分符号,在中间积分变量的位置再输入一次定积分符号,作为累次积分的第一次积分.括号内为第一次积分,括号外为第二次积分. 例5 计算⎰⎰+1212x xxydy dx解: 输入:012xx 21x y输出:121 例6 计算⎰⎰+=Ddxdy y x I )(22, 其中D 由2 ,21,===y x y x y 围成解:①画平面区域图输入:输出:② Y - 型区域输入: 02y2yx 2y 2输出:3习题4(每小题中括号内为该题答案)求下列积分:(1)⎰-dx x x x)11(2[x+x](2)⎰+dx xsin 11[x 2Sin[]2x x Cos[]+Sin[]22] (3)⎰+dx x x 3)cos (sin [1(-9Cos[x]-Cos[3x]+9Sin[x]-Sin[3x])6](4)2ln(sin )sin x dx x⎰[ -x-Cot[x]-Cot[x] Log[Sin[x]]] (5)⎰xdx x arctan 2 [(6)21sin 1cos x xdx x++⎰ [(7)⎰--1145dx xx [6](8)⎰∞--02dx xex [](9)[2](10) 计算由曲线282yx =-和x 轴所围成的平面图形的面积及该图形绕x 轴旋转一周所得的旋转体体积(表示出必要的步骤)[3,(11)计算由曲线21yx =-和22y x =+所围成的平面图形的面积及该图形绕x 轴旋转一周所得的旋转体体积(表示出必要的步骤) 过程: Solvey x 21,y 2x 2 , x ,y 0,x 1 , y 8,xPlotx 21,2x 2 , x ,2,Graph132x 2 x 213132x 2 ^2 x 21 ^2(12)计算二重积分3y Ded σ-⎰⎰,其中D 由20,1,x y y x ===围成过程:①画平面区域图② Y - 型区域1y 2 y3第二篇 线性代数实验 一一、实验目的6.掌握Mathmatica 中矩阵的输入方法; 7.学习用Mathmatica 软件计算行列式;8.学习用Mathmatica 软件进行矩阵的基本运算; 9.学习用Mathmatica 求逆矩阵及矩阵的秩.二、内容与步骤1.Mathmatica 中矩阵的输入方法 (1)按表的格式输入: (一般方法)}}{},{},{{1212222111211mn ,m ,m n ,,n ,,a a a a a a a a a A ,生成m 行n 列的矩阵(2)菜单输入:(适用于大矩阵) a)打开主菜单Input 项;b)单击Create Table/Matrix 项,输入行数及列数,填数即可。
用Mathematica研究粒子的概率分布
: — _e‘ : 二 一 y y 十 ” + _一 i ( * /
2 c √7
g 一 * ;
√c 7
收 稿 日期 :0 8 0 —0 20 — 1 7
基 金 项 目: 东教 育 学 院教 授 博 士 专 项 经 费 资助 项 目 广
作 者 简介 : 俊 勤 ( 9 2 , ,广 东揭 阳人 ,广 东教 育 学 院 物 理 系教 授 . 江 1 6 一) 男
粒 子概 率分 布是 量 子力学 的重 要 内容 之一 . 年 来 , 来 越 多 的 量 子力 学 教 材使 用 数 学 软件 将 粒 子 概 近 越 率 分布 绘制 成 为 图像 . 是这 些新 教材 胡 只是 绘制 出定 态 的概率 分布 图像 , 于非 定 态 的概 率 分布 图像 但 都 对 基 本都 没有 涉及 到. 可 惜 的是 , 的教 材 由于 没 能够 正 确 使用 相 关 数 学 软件 ,使得 其 提 供 的概 率 分 布 图 更 有 出现失误 . 于以上 原 因 , 文使用 数 学软 件 Mah mai 基 本 te t a研 究两 个 典 型 实例 的粒 子 概率 分 布 : 维谐 振 c 二 子 的叠 加态 概率 分布 随时 问变化 的动态 过 程 ; 原 子 中电子 概率 密度 角分 布 的三 维 图像 , 纠正 了“ 氢 并 十五” 国 家 级规 划教 材[ 中一 幅 图的纰 漏. 3
一 。 z, ,)+ ( 1 z, ,) 一 — 二e ( b / + a x - zb / 侣 ( _ z )一 2 a ye ( )- “, 2
2√7 c √7 c
() 2
则 谐 振子 的概 率分 布 l
l一
为 时 间 t的 函数 ,t >. 面是 t 0时 的程序 清单 , o : t下 0= 一
mathematica求均匀分布的积分
mathematica求均匀分布的积分均匀分布,又称为矩形分布或者连续均匀分布,是概率论中一种简单而常见的分布模型。
它是指在一定的区间内,随机变量的取值概率是相等的。
均匀分布的概率密度函数(pdf)可以表示为:f(x) = 1/(b - a),当a <= x <= b,其中a和b分别为区间的下界和上界。
积分是微积分的重要概念之一,它可以用于求取函数在某个区间内的面积或者曲线下的面积。
对于均匀分布来说,我们可以利用积分方法来计算其在某个区间上的概率。
首先,我们来计算均匀分布的累积分布函数(cumulative distribution function, CDF)。
CDF表示随机变量小于等于某个值的概率。
对于均匀分布来说,累积概率可以通过求其概率密度函数的积分得到。
在区间[a, x]上,CDF可以表示为:F(x) = ∫[a,x] f(t) dt = (x - a)/(b - a),当a <= x <= b 这里,t是积分的变量,a和b分别是分布的上下界。
对于均匀分布而言,其CDF的计算是比较简单的,直接通过函数的表达式就可以求得。
下面,我们来具体解释如何求取均匀分布的积分。
首先,我们需要明确积分的上限和下限。
以区间[a, b]为例,我们来计算均匀分布在该区间上的概率。
在Mathematica中,可以使用Integrate函数来进行积分计算。
Integrate函数的基本语法如下:Integrate[函数表达式, {变量,下限,上限}]对于均匀分布而言,概率密度函数已经是已知的,我们可以直接将其作为函数表达式传入Integrate函数中。
假设我们想要计算在区间[1, 3]上均匀分布的概率,可以使用如下语句:Integrate[1/(3-1), {x, 1, 3}]运行以上代码,结果为1,表示该区间上的概率为1。
同样地,我们也可以计算其他区间上的概率。
例如,计算在区间[2, 5]上均匀分布的概率,可以使用以下代码:Integrate[1/(5-2), {x, 2, 5}]运行以上代码,得到的结果为1,表示该区间上的概率也为1。
数学中的随机性随机变量与概率分布
数学中的随机性随机变量与概率分布数学中的随机性:随机变量与概率分布随机性是数学中一个重要的概念,它在解决实际问题和模拟现实世界中的事件时起到了关键的作用。
在数学中,随机性通常与随机变量和概率分布密切相关。
一、随机性的定义与特征在数学中,随机性指的是事物的不确定性和不可预测性,无法通过确定性的规律来进行精确的预测。
随机性的特征包括以下几个方面:1. 不可预测性:随机性使得事物的发展和结果难以准确地预测,即使具有一定的规律性也会存在一定程度的不确定性。
2. 不确定性:在随机性的影响下,事物的结果无法确定,只能通过概率统计的方法得到大致的结果。
3. 随机性是客观存在的:随机性并非主观主导,而是客观存在于自然界、人类社会以及各种现象中。
二、随机变量的概念与性质在概率论中,随机变量是指随机试验中可能的结果所对应的数值。
随机变量既可以是离散的,也可以是连续的。
1. 离散随机变量:指在一组有限或可列的数值中取值的随机变量,如抛硬币的结果可以是正面或反面。
2. 连续随机变量:指在某个区间内取值的随机变量,如温度的变化范围可以是无限多的。
随机变量具有以下几个重要的性质:1. 取值范围:随机变量可以取值于某个特定的集合,表示了所有可能的结果。
2. 概率函数:随机变量的概率函数描述了每个可能取值的概率。
3. 期望值:随机变量的期望值可以用来表示其平均值,它是每个取值乘以对应概率的加权平均。
三、概率分布的概念与常见类型概率分布是指随机变量在各个取值上的概率分布情况。
常见的概率分布包括离散型概率分布和连续型概率分布。
1. 离散型概率分布:离散型概率分布通常用概率质量函数(probability mass function,简称PMF)来描述,比如二项分布、泊松分布等。
2. 连续型概率分布:连续型概率分布通常用概率密度函数(probability density function,简称PDF)来描述,比如正态分布、指数分布等。
mathematica 标准正态分布值 -回复
mathematica 标准正态分布值-回复标准正态分布是统计学中一种非常重要的概率分布。
它描述了当随机变量服从均值为零,标准差为1的正态分布时的概率分布情况。
标准正态分布可以用一个函数表示,即标准正态分布函数,通常用符号Φ(z)表示。
本文将详细介绍标准正态分布以及如何计算标准正态分布值。
一、什么是标准正态分布标准正态分布是常见的一种连续概率分布,其曲线呈钟形,中间高,两边低。
标准正态分布的均值为0,标准差为1。
它的概率密度函数(Probability Density Function, PDF)可以用以下公式表示:φ(x) = (1/√(2π)) * e^(-x^2/2)其中,x表示随机变量的取值,e表示自然常数(2.71828),π表示圆周率(3.14159)。
该公式描述了标准正态分布下每个取值的概率密度。
二、如何计算标准正态分布值在数学软件Mathematica中,可以使用一些内置的函数来计算标准正态分布值。
1. 给定一个随机变量x,可以使用ProbabilityDensity函数来计算该变量服从标准正态分布的概率密度:ProbabilityDensity[NormalDistribution[0, 1], x]这里的NormalDistribution[0, 1]表示均值为0,标准差为1的正态分布。
2. 使用CumulativeDistribution函数可以计算标准正态分布的累积分布函数(Cumulative Distribution Function, CDF),即给定一个随机变量x,计算它小于等于某个值的概率:CumulativeDistribution[NormalDistribution[0, 1], x]3. 使用Quantile函数可以计算标准正态分布的分位数,即给定一个概率值p,计算随机变量的取值,使其小于等于该概率值:Quantile[NormalDistribution[0, 1], p]这里的p为一个在0到1之间的概率值。
数学建模中的随机分布分析
数学建模中的随机分布分析数学建模是一种将数学的理论和方法应用到实际问题中解决问题的方法,它是各个领域中的基础和推动力。
建模时,问题首先需要抽象,形成数学模型,然后使用数学工具进行分析、求解和优化。
而在建模中,随机过程模型及其仿真是一个重要的方法。
本文将讨论数学建模中的随机分布分析。
1. 随机过程及其在建模中的应用随机过程是一个随机变量族,建立在一个时间域上,随机过程所描述的是随机现象的发展规律,如交通流量、股票价格等。
随机过程在建模中应用广泛,如金融领域的股票价格预测、医疗领域的医学影像分析、气象领域的天气预报等。
2. 随机分布及其特征随机分布是一种描述随机变量概率分布情况的数学函数,如常见的正态分布、泊松分布等。
随机分布的特征有两个方面,一是数学性质,如期望、方差、标准差等,二是统计性质,如分布形态、峰度、偏度等。
3. 随机分布在建模中的应用在建模中,随机分布能够描述随机过程的不确定性,从而更好地进行预测和优化。
如在金融领域的股票价格预测中,可以使用随机分布对价格变化进行建模,进而进行投资策略优化。
在医疗领域的医学影像分析中,可以使用随机分布对病灶的位置、大小、形态等进行建模,进而进行辅助诊断。
4. 随机分布建模中的注意事项在随机分布建模中,需要注意以下几个方面。
一是要选择合适的随机过程模型,如布朗运动模型、马尔可夫模型等。
二是要选择合适的随机分布类型,如正态分布、泊松分布等。
三是要注意数据的采集和处理,如采集的数据是否满足独立同分布假设等。
四是要进行模型的验证和调优,如使用交叉验证等方法对模型进行验证和调优。
5. 总结数学建模中的随机分布分析是建模中不可或缺的一环,能够更好地描述随机过程的不确定性,从而进行更好的预测和优化。
在建模中,需要注意选择合适的随机过程模型和随机分布类型,以及进行数据采集和处理、模型验证和调优等。
Mathematica基础数学实验12
3. 常用离散分布:
BernoulliDistribution[p] BinomialDistribution[n,p] GeometricDistribution[p] PoissonDistribution[] DiscreteUniformDistribution[n] (*Bernoulli分布*) (*二项分布*) (*几何分布*) (*Poisson分布*) (*离散均匀分布*)
程序
练习: 1. 求正态分布N(2,1.5), [3, 12]上均匀分布, 参数为 (, )的分布, 参数为的Poisson分布的数学期望, 方差, 特征函数. 2. 在一图中画出自由度分别为1, 5, 15, 25, 40的t 分布和标准正态分布的概率密度曲线, 并观察. 3. 设X~N(1, 4), 求以下概率: P(X<-1), P(X<0), P(X1), P(-1<X3). 4. 计算参数为=13/10的Poisson分布的分布律表 (保留10为有效数字).
4. 常用计算命令:
PDF[dist,x] (*求分布list在点x处的密度值*) CDF[dist,x] (*求分布list在点x处的分布值*) Domain[dist] (*求分布list的定义域 *) Quantile[list,q] (*求分布list的概率为q时的点x*) Mean[dist] (*求分布list数学期望*) Variance[dist] (*求分布list的方差*) StandardDeviation[dist] (*求分布list的标准差*) ExpectedValue[f,dist,x] (*求分布list下f(x)的数学期望*) CharacteristicFunction[dist,t](*求分布list的特征函数*) Random[dist] (*求具有分布list的伪随机数*) RandomArray[dist,dims] (*求具有分布list的dims维的伪随机数组*)
- 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)。
教师指导实验7
实验名称:随机变量的概率分布
一、问题:求二项分布、几何分布、正态分布在给定区间上的概率。
二、实验目的:
学会使用Mathematica求二项分布、几何分布、正态分布在给定区间上的概率及期望和方差。
三、预备知识:本实验所用的Mathematica命令提示
1、BinomialDistribution[n,p] 二项分布;
GeometricDistribution[p] 几何分布;
NormalDistribution[μ,σ] 正态分布;
2、Domain[dist] 求分布dist的定义域;
PDF[dist,x] 求点x处的分布dist的密度值;
CDF[dist,x] 求点x处的分布dist的函数值;
Mean[dist] 求分布dist的期望;Quantile[dist,x] 求x,使CDF[dist,x]=q
Variance[dist] 求分布dist的方差;StandardVariance[dist] 求分布dist的标准差;
四、实验的内容和要求:
1、取50个在1到20的随机整数,求这组数的极差、中位数、均值、方差及标准差;
2、对以上数据绘制样本频率分布直方图;
3、data1={1, 3, 4, 5, 3.5, 3}, data2={3, 2, 5, 3},在同一图表中绘制data1和data2的条形图,并作一定的修饰。
五、操作提示
1、取50个在1到20的随机整数,求这组数的极差、中位数、均值、方差及标准差;
In[1]:=<<Statistics`DescriptiveStatistics`
In[2]:=data=Table[Random[Integer,{1,20}],{60}];
In[3]:=SampleRange[data]
Out[3]= 19
In[4]:= Median[data]
Out[4]= 11
In[5]:=Mean[data]
Out[5]=221 20
In[6]:=VarianceMLE[data]
Out[6]=44017 1200
In[7]:=StandarDevarianceMLE[data]
Out[7]=
2、对以上数据绘制样本频率分布直方图;
In[8]:=<<Graphics`Graphics`
In[9]:=Histogram[data]
Out[9]= -Graphics-
In[10]:=Histogram[data,Ticks->IntervalCenters,
HistogramScale->1]
Out[10]= -Graphics-
In[11]:=Histogram[data,Ticks->IntervalBoundaries, HistogramScale->2]
Out[11]= -Graphics-
3、data1={1, 3, 4, 5, 3.5, 3}, data2={3, 2, 5, 3},在同一图表中绘制data1和data2的条形图,并作一定的修饰。
BarChart[{1,3,4,5,3.5,3},{3,2,5,3}]
In[12]:=
In[13]:=BarChart[{1, 3, 4, 5, 3.5, 3}, {3, 2, 5, 3},
BarSpacing -> 0.7, BarGroupSpacing -> 0.5,
BarStyle -> {BGBColor[1,0,0], BGBColor[0,1,0.2]},
BarEdgeStyle->{{Dashing[{.01}],BGBColor[0,0,1]},
GrayLevel[0]},
BarLabels ->{"Apr","May","Jun","Jul","Aug","Sep"},
PlotLabel -> "Projected and Current Profit,Tourist Season",
DefaultFont -> {"Helvetica", 11}]
Out[13]= -Graphics-
学生实验6
实验名称:简单数理统计
一、问题:求样本数据的特征数字值;绘制样本的频率分布条形图和直方图。
二、实验目的:
学会使用Mathematica求求样本数据的极差、中位数、均值、方差及标准差;绘制样本的频率分布直方图并作简单的修饰。
三、实验的内容和要求:
1、取50个在1到20的随机整数,求这组数的极差、中位数、均值、方差及标准差;
2、对以上数据绘制样本频率分布直方图;
3、data1={1, 3, 4, 5, 3.5, 3}, data2={3, 2, 5, 3},在同一图表中绘制data1和data2的条形图,并作一定的修饰。
五、操作提示
1、取50个在1到20的随机整数,求这组数的极差、中位数、均值、方差及标准差;
In[1]:=<<Statistics`DescriptiveStatistics`
In[2]:=data=Table[Random[Integer,{1,20}],{60}];
In[3]:=SampleRange[data]
Out[3]= 19
In[4]:= Median[data]
Out[4]= 11
In[5]:=Mean[data]
Out[5]=221 20
In[6]:=VarianceMLE[data]
Out[6]=44017 1200
In[7]:=StandarDevarianceMLE[data]
Out[7]=
2、对以上数据绘制样本频率分布直方图;
In[8]:=<<Graphics`Graphics`
In[9]:=Histogram[data]
Out[9]= -Graphics-
In[10]:=Histogram[data,Ticks->IntervalCenters,
HistogramScale->1]
Out[10]= -Graphics-
In[11]:=Histogram[data,Ticks->IntervalBoundaries, HistogramScale->2]
Out[11]= -Graphics-
3、data1={1, 3, 4, 5, 3.5, 3}, data2={3, 2, 5, 3},在同一图表中绘制data1和data2的条形图,并作一定的修饰。
In[12]:=BarChart[{1,3,4,5,3.5,3},{3,2,5,3}]
Out[12]= -Graphics-
In[13]:=BarChart[{1, 3, 4, 5, 3.5, 3}, {3, 2, 5, 3},
BarSpacing -> 0.7, BarGroupSpacing -> 0.5,
BarStyle -> {BGBColor[1,0,0], BGBColor[0,1,0.2]},
BarEdgeStyle->{{Dashing[{.01}],BGBColor[0,0,1]},
GrayLevel[0]},
BarLabels ->{"Apr","May","Jun","Jul","Aug","Sep"},
PlotLabel -> "Projected and Current Profit,Tourist Season",
DefaultFont -> {"Helvetica", 11}]
Out[13]= -Graph。