第十二讲概率统计讲义

例 >> 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,[2,3]) R=7 5 8
656 >>n = 10:10:60; >>r1 = binornd(n,1./n) r1 = 2 1 0 1 1 2
6
12.1 随机数的生成
函数名
Unifrnd Unidrn d Exprnd Normrn d chi2rnd
Trnd
调用形式
注释
unifrnd ( A,B,m,n) [A,B]上均匀分布(连续) 随机数
unidrnd(N,m,n)
exprnd(Lambda, m,n) normrnd(MU,SIG MA,m,n)
10
12.2 随机变量的概率密度计算
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，其取值如下表；
2020/8/17
4
12.1 随机数的生成
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,n) %m,n 分别表示R的行数和列数
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,n) %m,n分别表示R的行数 和列数
2020/8/17
3
12.1 随机数的生成
>>n3 = normrnd([1 2 3;4 5 6],0.1,2,3) %mu为均值 矩阵
n3 = 0.9299 1.9361 2.9640
4.1246 5.0577 5.9864
>> R=normrnd(10,0.5,[2,3]) %mu为10，sigma为
2020/08/1.75的2行3列个正态随机数
8
参数为Lambda的泊松分布随机数
12.1 随机数的生成
4. 通用函数求各分布的随机数据
命令百度文库求指定分布的随机数
函数 random
格
式
y
=
random(‘name’,A1,A2,A3,m,n)
%name的取值见上表；A1，A2，A3为
分布的参数；m，n指定随机数的行和列
2020/8/17
9
12.1 随机数的生成
参数为A, B的韦伯分布随机数
binornd binornd(N,P,m,n)
geornd
hygernd
2020/8/17
Poissrnd
geornd(P,m,n) hygernd(M,K,N,m, n) poissrnd(Lambda, m,n)
参数为N, p的二项分布随机数 参数为 p的几何分布随机数 参数为 M，K，N的超几何分布随机数
chi2rnd(N,m,n)
trnd(N,m,n)
均匀分布（离散）随机数 参数为Lambda的指数分布随机数 参数为MU，SIGMA的正态分布随机数 自由度为N的卡方分布随机数 自由度为N的t分布随机数
2020/8/17
7
Frnd gamrnd
frnd(N1, N2,m,n) gamrnd(A, B,m,n)
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 2.0342 1.9887 1.9440 2.6550 2.3200 2.0982 2.2177 1.9591 2.0178
2020/8/17
第一自由度为N1,第二自由度为N2的F分布随 机数 参数为A, B的gamma分布随机数
betarnd lognrnd nbinrnd ncfrnd nctrnd ncx2rnd raylrnd
betarnd(A, B,m,n) lognrnd(MU,SIGM A,m,n) nbinrnd(R, P,m,n) ncfrnd(N1,N2, delta,m,n) nctrnd(N, delta,m,n) ncx2rnd(N, delta,m,n) raylrnd(B,m,n)
第十二讲 概率统计
2020年8月17日星期一
第十二讲 概率统计
• 12.1 随机数的生成 • 12.2 随机变量的概率密度计算 • 12.3 随机变量的累积概率值(分布函数值) • 12.4 随机变量的逆累积分布函数 • 12.5 随机变量的数字特征
2020/8/17
2
12.1 随机数的生成
1 二项分布的随机数据的产生
2020/8/17
11
'beta '
'bino'
name的取值 或 'Beta' 或 'Binomial'
'chi2' 或 'Chisquare'
'exp' 或
'f'
或
'gam '
或
'geo' 或
'hyge '
或
'log2n020/8/17 '
或
'Exponential' 'F' 'Gamma' 'Geometric' 'Hypergeometric' 'Lognormal'
2020/8/17
5
12.1 随机数的生成
例
>>n1 = normrnd(1:6,1./(1:6))
n1 = 2.1650 2.3134 3.0250 4.0879 4.8607 6.2827
>>n2 = normrnd(0,1,[1 5])
n2 = 0.0591 1.7971 0.2641 0.8717 -1.4462
参数为A, B的beta分布随机数 参数为MU, SIGMA的对数正态分布随机数 参数为R，P的负二项式分布随机数 参数为N1，N2，delta的非中心F分布随机数 参数为N，delta的非中心t分布随机数 参数为N，delta的非中心卡方分布随机数 参数为B的瑞利分布随机数
weibrnd weibrnd(A, B,m,n)