matlab各种概率分布函数
matlab建模常用函数
matlab建模常用函数附录Ⅰ工具箱函数汇总Ⅰ.1 统计工具箱函数表Ⅰ-1 概率密度函数函数名对应分布的概率密度函数betapdf 贝塔分布的概率密度函数binopdf 二项分布的概率密度函数chi2pdf 卡方分布的概率密度函数exppdf 指数分布的概率密度函数fpdf f分布的概率密度函数gampdf 伽玛分布的概率密度函数geopdf 几何分布的概率密度函数hygepdf 超几何分布的概率密度函数normpdf 正态（高斯）分布的概率密度函数lognpdf 对数正态分布的概率密度函数nbinpdf 负二项分布的概率密度函数ncfpdf 非中心f分布的概率密度函数nctpdf 非中心t分布的概率密度函数ncx2pdf 非中心卡方分布的概率密度函数poisspdf 泊松分布的概率密度函数raylpdf 雷利分布的概率密度函数tpdf 学生氏t分布的概率密度函数unidpdf 离散均匀分布的概率密度函数unifpdf 连续均匀分布的概率密度函数weibpdf 威布尔分布的概率密度函数表Ⅰ-2 累加分布函数函数名对应分布的累加函数betacdf 贝塔分布的累加函数binocdf 二项分布的累加函数chi2cdf 卡方分布的累加函数expcdf 指数分布的累加函数fcdf f分布的累加函数gamcdf 伽玛分布的累加函数geocdf 几何分布的累加函数hygecdf 超几何分布的累加函数logncdf 对数正态分布的累加函数nbincdf 负二项分布的累加函数ncfcdf 非中心f分布的累加函数nctcdf 非中心t分布的累加函数ncx2cdf 非中心卡方分布的累加函数normcdf 正态（高斯）分布的累加函数poisscdf 泊松分布的累加函数raylcdf 雷利分布的累加函数tcdf 学生氏t分布的累加函数unidcdf 离散均匀分布的累加函数unifcdf 连续均匀分布的累加函数weibcdf 威布尔分布的累加函数表Ⅰ-3 累加分布函数的逆函数函数名对应分布的累加分布函数逆函数betainv 贝塔分布的累加分布函数逆函数binoinv 二项分布的累加分布函数逆函数chi2inv 卡方分布的累加分布函数逆函数expinv 指数分布的累加分布函数逆函数finv f分布的累加分布函数逆函数gaminv 伽玛分布的累加分布函数逆函数geoinv 几何分布的累加分布函数逆函数hygeinv 超几何分布的累加分布函数逆函数logninv 对数正态分布的累加分布函数逆函数nbininv 负二项分布的累加分布函数逆函数ncfinv 非中心f分布的累加分布函数逆函数nctinv 非中心t分布的累加分布函数逆函数ncx2inv 非中心卡方分布的累加分布函数逆函数icdfnorminv 正态（高斯）分布的累加分布函数逆函数poissinv 泊松分布的累加分布函数逆函数raylinv 雷利分布的累加分布函数逆函数tinv 学生氏t分布的累加分布函数逆函数unidinv 离散均匀分布的累加分布函数逆函数unifinv 连续均匀分布的累加分布函数逆函数weibinv 威布尔分布的累加分布函数逆函数表Ⅰ-4 随机数生成器函数函数对应分布的随机数生成器betarnd 贝塔分布的随机数生成器binornd 二项分布的随机数生成器chi2rnd 卡方分布的随机数生成器exprnd 指数分布的随机数生成器frnd f分布的随机数生成器gamrnd 伽玛分布的随机数生成器geornd 几何分布的随机数生成器hygernd 超几何分布的随机数生成器lognrnd 对数正态分布的随机数生成器nbinrnd 负二项分布的随机数生成器ncfrnd 非中心f分布的随机数生成器nctrnd 非中心t分布的随机数生成器ncx2rnd 非中心卡方分布的随机数生成器normrnd 正态（高斯）分布的随机数生成器poissrnd 泊松分布的随机数生成器raylrnd 瑞利分布的随机数生成器trnd 学生氏t分布的随机数生成器unidrnd 离散均匀分布的随机数生成器unifrnd 连续均匀分布的随机数生成器weibrnd 威布尔分布的随机数生成器表Ⅰ-5 分布函数的统计量函数函数名对应分布的统计量betastat 贝塔分布函数的统计量binostat 二项分布函数的统计量chi2stat 卡方分布函数的统计量expstat 指数分布函数的统计量fstat f分布函数的统计量gamstat 伽玛分布函数的统计量geostat 几何分布函数的统计量hygestat 超几何分布函数的统计量lognstat 对数正态分布函数的统计量nbinstat 负二项分布函数的统计量ncfstat 非中心f分布函数的统计量nctstat 非中心t分布函数的统计量ncx2stat 非中心卡方分布函数的统计量normstat 正态（高斯）分布函数的统计量poisstat 泊松分布函数的统计量续表函数名对应分布的统计量raylstat 瑞利分布函数的统计量tstat 学生氏t分布函数的统计量unidstat 离散均匀分布函数的统计量unifstat 连续均匀分布函数的统计量weibstat 威布尔分布函数的统计量表Ⅰ-6 参数估计函数函数名对应分布的参数估计betafit 贝塔分布的参数估计betalike 贝塔对数似然函数的参数估计binofit 二项分布的参数估计expfit 指数分布的参数估计gamfit 伽玛分布的参数估计gamlike 伽玛似然函数的参数估计mle 极大似然估计的参数估计normlike 正态对数似然函数的参数估计normfit 正态分布的参数估计poissfit 泊松分布的参数估计unifit 均匀分布的参数估计weibfit 威布尔分布的参数估计weiblike 威布尔对数似然函数的参数估计表Ⅰ-7 统计量描述函数函数描述bootstrap 任何函数的自助统计量corrcoef 相关系数cov 协方差crosstab 列联表geomean 几何均值grpstats 分组统计量harmmean 调和均值iqr 内四分极值kurtosis 峰度mad 中值绝对差mean 均值median 中值moment 样本模量nanmax 包含缺失值的样本的最大值续表函数描述Nanmean 包含缺失值的样本的均值nanmedian 包含缺失值的样本的中值nanmin 包含缺失值的样本的最小值nanstd 包含缺失值的样本的标准差nansum 包含缺失值的样本的和prctile 百分位数range 极值skewness 偏度std 标准差tabulate 频数表trimmean 截尾均值var 方差表Ⅰ-8 统计图形函数函数描述boxplot 箱形图cdfplot 指数累加分布函数图errorbar 误差条图fsurfht 函数的交互等值线图gline 画线gname 交互标注图中的点gplotmatrix 散点图矩阵gscatter 由第三个变量分组的两个变量的散点图lsline 在散点图中添加最小二乘拟合线normplot 正态概率图pareto 帕累托图qqplot Q-Q图rcoplot 残差个案次序图refcurve 参考多项式曲线refline 参考线surfht 数据网格的交互等值线图weibplot 威布尔图表Ⅰ-9 统计过程控制函数函数描述capable 性能指标capaplot 性能图ewmaplot 指数加权移动平均图续表函数描述histfit 添加正态曲线的直方图normspec 在指定的区间上绘正态密度schart S图xbarplot x条图表Ⅰ-10 聚类分析函数函数描述cluster 根据linkage函数的输出创建聚类clusterdata 根据给定数据创建聚类cophenet Cophenet相关系数dendrogram 创建冰柱图inconsistent 聚类树的不连续值linkage 系统聚类信息pdist 观测量之间的配对距离squareform 距离平方矩阵zscore Z分数表Ⅰ-11 线性模型函数函数描述anova1 单因子方差分析anova2 双因子方差分析anovan 多因子方差分析aoctool 协方差分析交互工具dummyvar 拟变量编码friedman Friedman检验glmfit 一般线性模型拟合kruskalwallis Kruskalwallis检验leverage 中心化杠杆值lscov 已知协方差矩阵的最小二乘估计manova1 单因素多元方差分析manovacluster 多元聚类并用冰柱图表示multcompare 多元比较多项式评价及误差区间估计polyfit 最小二乘多项式拟合polyval 多项式函数的预测值polyconf 残差个案次序图regress 多元线性回归regstats 回归统计量诊断续表函数描述Ridge 岭回归rstool 多维响应面可视化robustfit 稳健回归模型拟合stepwise 逐步回归x2fx 用于设计矩阵的因子设置矩阵表Ⅰ-12 非线性回归函数函数描述nlinfit 非线性最小二乘数据拟合（牛顿法）nlintool 非线性模型拟合的交互式图形工具nlparci 参数的置信区间nlpredci 预测值的置信区间nnls 非负最小二乘表Ⅰ-13 试验设计函数函数描述cordexch D-优化设计（列交换算法）daugment 递增D-优化设计dcovary 固定协方差的D-优化设计ff2n 二水平完全析因设计fracfact 二水平部分析因设计fullfact 混合水平的完全析因设计hadamard Hadamard矩阵（正交数组）rowexch D-优化设计（行交换算法）表Ⅰ-14 主成分分析函数函数描述barttest Barttest检验pcacov 源于协方差矩阵的主成分pcares 源于主成分的方差princomp 根据原始数据进行主成分分析表Ⅰ-15 多元统计函数函数描述classify 聚类分析mahal 马氏距离manova1 单因素多元方差分析manovacluster 多元聚类分析表Ⅰ-16 假设检验函数函数描述ranksum 秩和检验signrank 符号秩检验signtest 符号检验ttest 单样本t检验ttest2 双样本t检验ztest z检验表Ⅰ-17 分布检验函数函数描述jbtest 正态性的Jarque-Bera检验kstest 单样本Kolmogorov-Smirnov检验kstest2 双样本Kolmogorov-Smirnov检验lillietest 正态性的Lilliefors检验表Ⅰ-18 非参数函数函数描述friedman Friedman检验kruskalwallis Kruskalwallis检验ranksum 秩和检验signrank 符号秩检验signtest 符号检验表Ⅰ-19 文件输入输出函数函数描述caseread 读取个案名casewrite 写个案名到文件tblread 以表格形式读数据tblwrite 以表格形式写数据到文件tdfread 从表格间隔形式的文件中读取文本或数值数据表Ⅰ-20 演示函数函数描述aoctool 协方差分析的交互式图形工具disttool 探察概率分布函数的GUI工具glmdemo 一般线性模型演示randtool 随机数生成工具polytool 多项式拟合工具rsmdemo 响应拟合工具robustdemo 稳健回归拟合工具Ⅰ.2 优化工具箱函数表Ⅰ-21 最小化函数表函数描述fgoalattain 多目标达到问题fminbnd 有边界的标量非线性最小化fmincon 有约束的非线性最小化fminimax 最大最小化fminsearch, fminunc 无约束非线性最小化fseminf 半无限问题linprog 线性课题quadprog 二次课题表Ⅰ-22 方程求解函数表函数描述\ 线性方程求解fsolve 非线性方程求解fzero 标量非线性方程求解表Ⅰ-23 最小二乘函数表函数描述\ 线性最小二乘lsqlin 有约束线性最小二乘lsqcurvefit 非线性曲线拟合lsqnonlin 非线性最小二乘lsqnonneg 非负线性最小二乘表Ⅰ-24 实用函数表函数描述optimset 设置参数optimget 获取参数表Ⅰ-25 大型方法的演示函数表函数描述circustent 马戏团帐篷问题—二次课题molecule 用无约束非线性最小化进行分子组成求解optdeblur 用有边界线性最小二乘法进行图形处理表Ⅰ-26 中型方法的演示函数表函数描述bandemo 香蕉函数的最小化dfildemo 过滤器设计的有限精度goaldemo 目标达到举例optdemo 演示过程菜单tutdemo 教程演示Ⅰ.3 样条工具箱函数表Ⅰ-27 三次样条函数函数描述csapi 插值生成三次样条函数csape 生成给定约束条件下的三次样条函数csaps 平滑生成三次样条函数cscvn 生成一条内插参数的三次样条曲线getcurve 动态生成三次样条曲线表Ⅰ-28 分段多项式样条函数函数描述pplst 显示关于生成分段多项式样条曲线的M文件ppmak 生成分段多项式样条函数ppual 计算在给定点处的分段多项式样条函数值表Ⅰ-29 B样条函数函数描述splst 显示生成B样条函数的M文件spmak 生成B样条函数spcrv 生成均匀划分的B样条函数spapi 插值生成B样条函数spap2 用最小二乘法拟合生成B样条函数spaps 对生成的B样条曲线进行光滑处理spcol 生成B样条函数的配置矩阵表Ⅰ-30 有理样条函数函数描述rpmak 生成有理样条函数rsmak 生成有理样条函数表Ⅰ-31 操作样条函数函数描述fnval 计算在给定点处的样条函数值fmbrk 返回样条函数的某一部分（如断点或系数等）fncmb 对样条函数进行算术运算fn2fm 把一种形式的样条函数转化成另一种形式的样条函数fnder 求样条函数的微分(即求导数)fndir 求样条函数的方向导数fnint 求样条函数的积分fnjmp 在间断点处求函数值fnplt 画样条曲线图fnrfn 在样条曲线中插入断点。
matlab 瑞利分布函数
MATLAB瑞利分布函数1. 简介瑞利分布是一种概率分布函数，常用于描述随机变量的幅度。
它在无线通信、雷达、气象学等领域有广泛的应用。
在MATLAB中，可以使用瑞利分布函数来生成符合瑞利分布的随机数，进行各种统计分析和模拟实验。
2. 瑞利分布函数的定义瑞利分布函数（Rayleigh distribution function）是一种连续概率分布函数，其概率密度函数为：其中，σ是尺度参数，x ≥ 0。
3. 瑞利分布函数的特性瑞利分布函数具有以下特性：3.1 单峰性瑞利分布函数是一种单峰分布，即概率密度函数在一个点上取得最大值，然后逐渐减小。
3.2 正偏性瑞利分布函数具有正偏性，即右侧的尾部较长。
3.3 方差和标准差瑞利分布函数的方差和标准差分别为：4. MATLAB中的瑞利分布函数在MATLAB中，可以使用raylrnd函数生成符合瑞利分布的随机数。
该函数的语法如下：R = raylrnd(sigma, [m, n])其中，sigma是尺度参数，m和n分别是生成随机数的矩阵的行数和列数。
下面是一个简单的例子，演示如何使用raylrnd函数生成符合瑞利分布的随机数：sigma = 1;R = raylrnd(sigma, [1000, 1]);histogram(R, 'Normalization', 'pdf');上述代码中，我们生成了1000个符合瑞利分布的随机数，并使用直方图展示其概率密度函数。
5. 瑞利分布函数的应用瑞利分布函数在无线通信、雷达、气象学等领域有广泛的应用。
以下是一些常见的应用场景：5.1 无线通信在无线通信系统中，信号经过传播路径时会受到多径效应的影响，导致信号幅度的变化。
瑞利分布函数可以用来描述多径衰落信道中的信号幅度分布，从而对系统的性能进行分析和优化。
5.2 雷达雷达系统中，接收到的信号通常包含了目标反射的信号以及噪声。
瑞利分布函数可以用来描述目标信号的幅度分布，从而帮助雷达系统进行目标检测和跟踪。
Matlab中常用的概率分布函数操作
Matlab中常用的概率分布函数操作引言：在数据分析和统计建模中，概率分布函数（Probability Distribution Function，简称PDF）是一种描述随机变量的分布情况的数学函数。
在Matlab的统计工具箱中，提供了大量常用的概率分布函数的函数接口，便于用户进行数据分析和建模。
一、正态分布（Normal Distribution）的操作正态分布是一种常见的连续概率分布，常用于描述自然界和社会现象中的许多现象。
Matlab提供了针对正态分布的函数，可以进行随机数生成、概率密度函数的计算、累积概率分布函数的计算等操作。
1. 随机数生成使用randn函数可以生成符合正态分布的随机数。
例如，生成一个均值为0、标准差为1的随机数向量，可以使用以下代码：```matlabx = randn(100, 1);```2. 概率密度函数（Probability Density Function，简称PDF）的计算通过normpdf函数可以计算正态分布的概率密度函数。
例如，计算均值为0、标准差为1的正态分布在x=1处的概率密度，可以使用以下代码：```matlabp = normpdf(1, 0, 1);```3. 累积概率分布函数（Cumulative Distribution Function，简称CDF）的计算使用normcdf函数可以计算正态分布的累积概率分布函数。
例如，计算均值为0、标准差为1的正态分布在x=1处的累积概率，可以使用以下代码：```matlabp = normcdf(1, 0, 1);```二、指数分布（Exponential Distribution）的操作指数分布是一种描述事件发生时间间隔的概率分布，常用于可靠性分析、排队论等领域。
Matlab提供了针对指数分布的函数，可以进行随机数生成、概率密度函数的计算、累积概率分布函数的计算等操作。
1. 随机数生成使用exprnd函数可以生成符合指数分布的随机数。
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。
MATLAB中的概率分布函数使用指南
MATLAB中的概率分布函数使用指南概率分布函数是概率论中重要的一部分，用于描述随机变量的分布规律。
在MATLAB中，有多种方法和函数可用于生成和处理不同类型的概率分布函数。
本文将为读者介绍MATLAB中常用的概率分布函数及其使用指南。
一、连续型概率分布函数1. 正态分布（Normal Distribution）正态分布是自然界中广泛存在的一种连续型概率分布函数，也被称为高斯分布。
在MATLAB中，可以使用normpdf函数计算正态分布的概率密度函数，使用normcdf函数计算累积分布函数，使用norminv函数计算反函数。
2. 指数分布（Exponential Distribution）指数分布是描述时间间隔等随机事件发生的间隔时间的概率分布函数。
在MATLAB中，可以使用exppdf函数计算指数分布的概率密度函数，使用expcdf函数计算累积分布函数，使用expinv函数计算反函数。
3. 伽玛分布（Gamma Distribution）伽玛分布在概率论和统计学中有重要的应用。
在MATLAB中，可以使用gampdf函数计算伽玛分布的概率密度函数，使用gamcdf函数计算累积分布函数，使用gaminv函数计算反函数。
4. 威布尔分布（Weibull Distribution）威布尔分布是描述寿命和可靠性等随机事件的概率分布函数。
在MATLAB中，可以使用wblpdf函数计算威布尔分布的概率密度函数，使用wblcdf函数计算累积分布函数，使用wblinv函数计算反函数。
5. 泊松分布（Poisson Distribution）泊松分布广泛应用于描述单位时间内事件发生的次数的概率分布函数。
在MATLAB中，可以使用poisspdf函数计算泊松分布的概率质量函数，使用poisscdf 函数计算累积分布函数，使用poissinv函数计算反函数。
二、离散型概率分布函数1. 二项分布（Binomial Distribution）二项分布用于描述重复试验的结果，其中每次试验只有两个可能结果。
matlab 高斯分布算概率 -回复
matlab 高斯分布算概率-回复【Matlab 高斯分布算概率】引言：高斯分布，也被称为正态分布，是统计学领域中最常见的一种概率分布。
在很多实际应用中，高斯分布被广泛用于模拟和分析数据。
本文将介绍如何使用Matlab来计算和分析高斯分布概率。
一、高斯分布的定义与特点：高斯分布是一个连续概率分布，其特点是呈钟形曲线，中心对称，两边逐渐向下趋近于零。
高斯分布由两个参数决定：均值μ（表示分布的中心位置）和标准差σ（表示数据分布的离散程度）。
高斯分布的概率密度函数可以用数学公式表示为：p(x) = (1 / sqrt(2π*σ^2)) * exp(-((x-μ)^2) / (2σ^2))其中，sqrt表示开平方，exp表示指数函数。
二、Matlab中的高斯分布函数：在Matlab中，用于计算高斯分布概率的函数是normpdf(x, μ, σ)，其中x是要计算概率的点，μ是均值，σ是标准差。
通过该函数，我们可以直接计算给定均值和标准差下的概率。
三、使用Matlab计算高斯分布概率：下面我们通过一个具体的例子来演示如何使用Matlab计算高斯分布概率。
例子：假设有一组数据x = [1, 2, 3, 4, 5, 6, 7, 8]，我们希望计算在均值为4，标准差为1的条件下，各个数据点的概率。
以下是具体的计算步骤：1. 打开Matlab，并定义数据x、均值μ和标准差σ：x = [1, 2, 3, 4, 5, 6, 7, 8];μ= 4;σ= 1;2. 使用normpdf函数计算每个数据点的概率：prob = normpdf(x, μ, σ);3. 输出结果：disp(prob);运行上述代码后，将会得到以下结果：0.2419 0.0539 0.0044 0.0001 0.0044 0.05390.2419 0.3989结果表示在给定均值为4和标准差为1的条件下，各个数据点的概率。
四、Matlab绘制高斯分布曲线：除了计算高斯分布概率，Matlab还提供了绘制高斯分布曲线的功能，通过绘制曲线可以更直观地观察数据分布情况。
matlab t分布函数
matlab t分布函数MATLAB是一种非常流行的计算机软件，它能运行各种数字计算、数据可视化以及编程等操作，同时也是进行数学统计分析的理想工具。
t分布是一种常见的概率分布函数，使用普遍，广泛应用于统计学中。
在本文中，我们将针对 MATLAB中的t分布函数进行详细的介绍，包括其公式、参数以及应用等方面。
一、t分布函数的介绍t分布，又叫做Student's t分布，可以描述样本大小较小（n<30）时，样本平均值的分布情况。
在统计学中，t分布广泛应用于假设检验、置信区间等方面。
T分布函数的概率密度函数为：$$f(x;\nu )={\frac {\Gamma ((\nu +1)/2)}{\sqrt {\nu \pi }\Gamma (\nu/2)}}\left(1+{\frac {x^{2}}{\nu }}\right)^{-\left({\frac {\nu +1}{2}}\right)}，x\in {\mathbb {R}}$$$\nu$代表自由度（degrees of freedom），$\Gamma$代表Gamma函数， $\pi$是3.1415926……， x为随机变量的取值。
二、MATLAB中的t分布函数在 MATLAB中，t分布函数是通过 tpdf 函数实现的。
以下是 tpdf函数的语法格式：y = tpdf(x,nu)x代表随机变量的取值，nu代表自由度。
在如下的程序中，我们展示了如何使用tpdf函数来绘制t分布函数的图像。
x = -6:0.1:6;y1 = tpdf(x,1);y2 = tpdf(x,2);y3 = tpdf(x,5);y4 = tpdf(x,30);plot(x,y1,x,y2,x,y3,x,y4);title('T-Distribution Probability Density Function');legend('nu=1','nu=2','nu=5','nu=30');xlabel('t');ylabel('pdf(t)');这里我们用变量 x 来定义 t 的取值范围，y1、y2、y3、y4分别对应自由度为1、2、5、30时的 t 分布函数，程序的输出结果如下图所示：从上图中可以看出，t分布函数的自由度越大，其分布越接近标准正态分布。
MATLAB中关于常见的概率分布密度函数的语句及格式
MATLAB中关于常见的概率分布密度函数的语句及格式MATLAB中关于常见的概率分布密度函数的语句及格式normpdf(x,mu,sigma) 正态分布密度函数。
uifpdf(x,a,b) 均匀分布（连续）密度函数exppdf(x,a) 指数分布密度函数geopdf(x,p) 几何分布密度函数binopdf(x,n,p) 二项分布密度函数poisspdf(x,n) 泊松分布密度函数unidpdf(x,n) 均匀分布（离散）密度函数chi2pdf(x,3) X^2分布密度函数fpdf(x,m,n) F分布密度函数tpdf(x,n) t分布密度函数MATLAB中解决F分布和t分布问题x=finv(1-α,n1,n2)----F(n1,n2)分布的上侧α分位数x=tinv(1-α,n)----t(n)分布的上侧α分位数x=chi2inv(1-α,n)------卡方分布（n）的上侧α分位数一、常见连续分布的密度函数MATLAB实现1正态分布x=-8:0.1:8;>> y=normpdf(x,0,1);>> figure(1);plot(x,y);>> grid on;>> y1=normpdf(x,1,2);>> figure(2);plot(x,y,x,y1,':')>> grid on;2均匀分布>> clear all>> x=-10:0.1:10;>> r=1;>> y=unifpdf(x,0,2*pi*r); >> plot(x,y,'r*');>> grid on;3 指数分布x=0:0.1:30;>> y=exppdf(x,4);>> plot(x,y,'m-.')>> grid on二、常见离散分布的密度函数1几何分布x=0:30;>> y=geopdf(x,0.5);>> plot(x,y,'bo')>> grid on2二项分布clear all>> x=0:50;>> y=binopdf(x,500,0.05); >> plot(x,y,'r*');3泊松分布x=0:50;>> y=poisspdf(x,25);>> plot(x,y,'r.');三、三大抽样分布的密度函数1 X*2分布。
matlab威布尔分布函数代码 -回复
matlab威布尔分布函数代码-回复Matlab威布尔分布函数代码的解释与应用威布尔分布函数（Weibull distribution function）是一种连续概率分布函数，广泛应用于可靠性工程和可靠性分析中。
在Matlab中，我们可以使用内置的威布尔分布函数代码来计算和绘制威布尔分布函数的概率密度函数（Probability Density Function，PDF）、累积分布函数（Cumulative Distribution Function，CDF）以及逆累积分布函数（Inverse Cumulative Distribution Function，ICDF）。
在本文中，我们将一步一步介绍如何使用Matlab中的威布尔分布函数代码，并探讨其在实际应用中的意义和重要性。
首先，我们需要了解威布尔分布函数的数学定义及其参数。
威布尔分布函数的概率密度函数（PDF）可以表示为：f(x) = (k/λ) * (x/λ)^(k-1) * e^(-(x/λ)^k)其中，k和λ是威布尔分布函数的形状参数和尺度参数，分别控制着分布函数的形状和尺度。
为了方便计算和绘制，我们可以使用Matlab中的威布尔分布函数代码。
在Matlab中，我们可以使用" wblpdf "函数计算威布尔分布函数的概率密度函数（PDF）。
下面是一个示例代码：matlabx = 0:0.01:10; 定义x轴的取值范围k = 2; 定义形状参数klambda = 2; 定义尺度参数λy = wblpdf(x, k, lambda); 计算概率密度函数(PDF)plot(x, y) 绘制PDF曲线xlabel('x') x轴标签ylabel('f(x)') y轴标签title('Weibull Distribution PDF') 图表标题上述代码中，我们首先定义了x轴的取值范围，从0到10，并以0.01为步长。
用matlab计算各种概率分布
ttest(x,m,alpha)
假设检验函数。此函数对样本数据 x 进行显著性水平为 alpha 的 t 假设检验，以检验正态分布样本 x（标准差未知） 的均值是否为 m。
Matlab相关命令介绍
normplot(x)
统计绘图函数，进行正态分布检验。研究表明：如果数据 是来自一个正态分布，则该线为一直线形态；如果它是来自 其他分布，则为曲线形态。
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'。
∞
k (=
1, 2, )
其右端项是几何级数 几何分布。
k −1 pq 的一般项，于是人们称它为 ∑ k =1
例： p=0.5 时的几何分布密度函数图
MATLAB概率统计函数（1）
MATLAB概率统计函数（1）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 随机数产⽣函数表函数名调⽤形式注释Unifrnd unifrnd ( A,B,m,n)[A,B]上均匀分布(连续) 随机数Unidrnd unidrnd(N,m,n)均匀分布（离散）随机数Exprnd exprnd(Lambda,m,n)参数为Lambda的指数分布随机数Normrnd normrnd(MU,SIGMA,m,n)参数为MU，SIGMA的正态分布随机数chi2rnd chi2rnd(N,m,n)⾃由度为N的卡⽅分布随机数Trnd trnd(N,m,n)⾃由度为N的t分布随机数Frnd frnd(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binornd binornd(N,P,m,n)参数为N, p的⼆项分布随机数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Poissrnd poissrnd(Lambda,m,n)参数为Lambda的泊松分布随机数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。
MATLAB的概率函数
1 MATLAB 的概率函数介绍一概率函数概率函数中各种分布的有关函数都以一词头开始，这些词头及其表示的分布如下 beta Beta 分布bino Binomial （二项）分布chi2 卡方分布e Empirical (Kaplan-Meier) 分布ev 极值（Extreme value ）分布exp exponential （指数）分布f F 分布gam Gamma 分布geo Geometric （几何）分布hyge 超几何分布norm Normal （正态）分布logn Lognormal （对数正态）分布mvn Multivariate normal 分布nbin Negative binomial （负二项）分布ncf 非中心F 分布nct 非中心t 分布ncx2 非中心卡方分布poiss Poisson （泊松）分布rayl Rayleigh （瑞利）分布t 学生t 分布unid Discrete uniform （离散均匀）分布unif 连续Uniform （均匀）分布weib Weibull （威布尔）分布在以上词头后接pdf 就是相应分布的概率密度函数（probability density function ）cdf 就是相应分布的累加函数（cumulative distribution functions ）（还有cdf 函数也是累加函数）当概率密度)(x p 是连续函数时，累加函数)(x P 的定义是⎰∞-=xt t p x P d )()(fit 就是相应分布的参数估计函数（parameter estimates and confidence ）like 就是相应分布的似然函数（likelihood function ）（还有mle 函数也是最大似然函数） inv 就是相应累加分布的逆函数（还有icdf 也是累加分布的逆函数）rnd 就是相应分布的随机数（还有random 也是随机数生成函数）stat 就是相应分布的统计量估计函数。
MATLAB各种概率分布画图
对全部高中资料试卷电气设备，在安装过程中以及安装结束后进行高中资料试卷调整试验；通电检查所有设备高中资料电试力卷保相护互装作置用调与试相技互术关，系电，通力根1保过据护管生高线产中敷工资设艺料技高试术中卷0资不配料仅置试可技卷以术要解是求决指，吊机对顶组电层在气配进设置行备不继进规电行范保空高护载中高与资中带料资负试料荷卷试下问卷高题总中2体2资，配料而置试且时卷可，调保需控障要试各在验类最；管大对路限设习度备题内进到来行位确调。保整在机使管组其路高在敷中正设资常过料工程试况1卷中下安，与全要过，加度并强工且看作尽护下可1都关能可于地以管缩正路小常高故工中障作资高；料中对试资于卷料继连试电接卷保管破护口坏进处范行理围整高，核中或对资者定料对值试某，卷些审弯异核扁常与度高校固中对定资图盒料纸位试，置卷编.工保写况护复进层杂行防设自腐备动跨与处接装理地置，线高尤弯中其曲资要半料避径试免标卷错高调误等试高，方中要案资求，料技编试术写5、卷交重电保底要气护。设设装管备备置线4高、调动敷中电试作设资气高，技料课中并3术试、件资且中卷管中料拒包试路调试绝含验敷试卷动线方设技作槽案技术，、以术来管及避架系免等统不多启必项动要方高式案中，；资为对料解整试决套卷高启突中动然语过停文程机电中。气高因课中此件资，中料电管试力壁卷高薄电中、气资接设料口备试不进卷严行保等调护问试装题工置，作调合并试理且技利进术用行，管过要线关求敷运电设行力技高保术中护。资装线料置缆试做敷卷到设技准原术确则指灵：导活在。。分对对线于于盒调差处试动，过保当程护不中装同高置电中高压资中回料资路试料交卷试叉技卷时术调，问试应题技采，术用作是金为指属调发隔试电板人机进员一行，变隔需压开要器处在组理事在；前发同掌生一握内线图部槽 纸故内资障，料时强、，电设需回备要路制进须造行同厂外时家部切出电断具源习高高题中中电资资源料料，试试线卷卷缆试切敷验除设报从完告而毕与采，相用要关高进技中行术资检资料查料试和，卷检并主测且要处了保理解护。现装场置设。备高中资料试卷布置情况与有关高中资料试卷电气系统接线等情况，然后根据规范与规程规定，制定设备调试高中资料试卷方案。
MATLAB各种概率分布画图
boxplot(X,notch,'sym') %sym表示图形符号，默认值为“+”。
boxplot(X,notch,'sym',vert) %当vert=0时，生成水平盒图，vert=1时，生成竖直盒图（默认值vert=1）。
例4-56
>>y = [3.2 2.6 3.1 3.4 2.4 2.9 3.0 3.3 3.2 2.1 2.6]';
>>plot(y,'+')
>>refline(0,3)
图4-15
4.6.8在当前图形中加入一条多项式曲线
函数refcurve
格式h = refcurve(p) %在图中加入一条多项式曲线，h为曲线的环柄，p为多项式系数向量，p=[p1,p2, p3,…,pn]，其中p1为最高幂项系数。
0.0026
0.0081
MU =
6.6640
SIGMA =
0.0030
MUCI =
6.6611
6.6669
SIGMACI =
0.0019
0.0071
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]。
4.6统计作图
4.6.1正整数的频率表
命令正整数的频率表
函数tabulate
格式table = tabulate(X) %X为正整数构成的向量，返回3列：第1列中包含X的值第2列为这些值的个数，第3列为这些值的频率。
卡方分布经验 matlab
卡方分布经验引言卡方分布是统计学中常用的概率分布之一，它在假设检验、回归分析和相关性分析等领域发挥着重要作用。
本文将深入探讨卡方分布的概念、性质以及在MATLAB中的应用经验。
一、卡方分布的定义和性质1.1 定义卡方分布是指若n个相互独立的随机变量X₁，X₂，…，Xn都服从标准正态分布N(0, 1)，则这n个随机变量的平方和构成的随机变量Y的分布称为自由度为n的卡方分布，记作Y~χ²(n)。
1.2 概率密度函数卡方分布的概率密度函数为：f(x)=12n/2Γ(n/2)x n/2−1e−x/2其中，x≥0，n为自由度。
1.3 性质•卡方分布是非对称的。
当自由度n越大时，卡方分布越趋近于正态分布。
•卡方分布的期望和方差为：–期望：E(Y) = n–方差：Var(Y) = 2n二、卡方分布的应用经验2.1 假设检验卡方分布广泛应用于假设检验中，特别是在分析分类数据时。
在MATLAB中，可以使用卡方检验函数chi2gof进行假设检验。
2.2 回归分析在回归分析中，卡方分布可以用于计算残差的平方和，进而评估回归模型的拟合程度。
通常使用残差的平方和与卡方分布的上分位点进行比较，以确定回归模型是否具有显著的解释能力。
2.3 相关性分析卡方分布也可以用于计算两个变量之间的相关性。
在计算卡方相关系数时，通常将数据进行离散化处理，并构建交叉表。
然后，利用卡方分布来判断两个变量之间是否存在显著相关关系。
2.4 样本量的确定在科学研究中，有时需要确定样本量的大小。
卡方分布可以用于估计样本量，从而保证研究结果的可靠性。
一般而言，通过预设期望的效应大小、显著性水平和统计功效，可以利用卡方分布来计算所需的样本量。
三、MATLAB中的卡方分布函数MATLAB中提供了多个用于计算卡方分布的函数，主要有以下几个： 1. chi2pdf：计算卡方分布的概率密度函数值。
2. chi2cdf：计算卡方分布的累积分布函数值。
3. chi2inv：计算给定累积概率下的卡方分布的逆函数值。
matlab中高斯概率密度函数
高斯概率密度函数是一种常见的概率分布函数，在统计学和概率论中有着广泛的应用。
在MATLAB中，我们可以使用高斯概率密度函数来分析和处理数据，进行概率统计和相关的数学计算。
本文将就MATLAB中高斯概率密度函数的原理、应用和实现进行详细的介绍和讲解。
一、高斯概率密度函数的原理高斯概率密度函数又称为正态分布，它是一种对称的连续概率分布，其概率密度函数具有钟型曲线的特征。
高斯分布的密度函数可以用下面的公式表示：\[f(x|\mu,\sigma^2) = \frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{(x-\mu)^2}{2\sigma^2}}\]其中，\(x\) 是随机变量的取值，\(\mu\) 是分布的均值，\(\sigma^2\) 是分布的方差，\(\pi\) 是圆周率。
高斯分布的均值决定了其对称轴的位置，而方差则决定了其分布的宽度。
高斯分布的均值和方差是其两个重要的参数，它们决定了整个分布的形状和特征。
二、MATLAB中的高斯概率密度函数在MATLAB中，我们可以通过使用`normpdf`函数来计算高斯概率密度函数的取值。
`normpdf`函数的语法格式如下：```matlaby = normpdf(x, mu, sigma)```其中，`x` 是代表随机变量的取值，`mu` 是分布的均值，`sigma` 是分布的标准差。
`normpdf`函数将返回在给定取值下，对应的高斯分布的概率密度值。
三、MATLAB中高斯概率密度函数的应用1. 数据分析与可视化高斯概率密度函数可以用来对数据进行分布拟合和分析，从而对数据进行统计性描述和可视化呈现。
我们可以利用高斯分布的密度函数对数据集进行拟合，然后通过可视化工具将数据的分布直观地展现出来。
2. 概率统计与推断在概率统计和相关的数学计算中，高斯概率密度函数是经常被使用的一种分布形式。
我们可以利用高斯分布的概率密度函数来计算随机变量的概率、制定推断和预测模型等。
MATLAB计算概率
MATLAB计算概率在MATLAB中，计算概率可以使用MATLAB的概率和统计工具箱。
概率是一个数学领域，主要研究随机事件发生的可能性。
在计算概率时，常见的方法包括使用概率分布函数、概率密度函数和累积分布函数等。
1.概率分布函数概率分布函数（Probability Distribution Function, PDF）用于描述随机变量的取值概率分布。
MATLAB中提供了多种常见的概率分布函数，如正态分布、均匀分布、泊松分布等。
计算概率分布函数可以使用相应的函数，例如：- 正态分布：normpdf(x, mu, sigma)计算正态分布的概率密度函数值。
- 均匀分布：unifpdf(x, a, b)计算均匀分布的概率密度函数值。
- 泊松分布：poisspdf(x, lambda)计算泊松分布的概率质量函数值。
其中x为随机变量，mu、sigma、a、b和lambda是对应分布的参数。
2.概率密度函数概率密度函数（Probability Density Function, PDF）用于描述随机变量取一些特定值的概率密度。
计算概率密度函数可以使用相应的函数，例如：- 正态分布：normpdf(x, mu, sigma)计算正态分布的概率密度函数值。
- 均匀分布：unifpdf(x, a, b)计算均匀分布的概率密度函数值。
- 泊松分布：poisspdf(x, lambda)计算泊松分布的概率质量函数值。
其中x为随机变量，mu、sigma、a、b和lambda是对应分布的参数。
3.累积分布函数累积分布函数（Cumulative Distribution Function, CDF）用于描述随机变量取值小于或等于一些特定值的概率。
计算累积分布函数可以使用相应的函数，例如：- 正态分布：normcdf(x, mu, sigma)计算正态分布的累积分布函数值。
- 均匀分布：unifcdf(x, a, b)计算均匀分布的累积分布函数值。
matlab概率分布
一、常见的概率分布表1.1概率分布分类表二、MATLAB为常见分布提供的五类函数1) 概率密度函数(pdf);2) (累积)分布函数(cdf);3) 逆(累积)分布函数(icdf);4) 随机数发生器(random);5) 均值和方差(stat).1、概率密度函数表1.2概率密度函数(pdf)注意: Y=normpdf (X, MU, SIGMA)的SIGMA是指标准差, 而非.【例1-2】绘制标准正态分布的概率密度图.x=-4:0.1:4;y=normpdf(x,0,1);plot(x,y)title('N(0,1)的概率密度曲线图')图1-22、累积分布函数表1.3累积分布函数(cdf)【例1-3】求服从标准正态分布的随机变量落在区间[－2, 2]上的概率. >> P=normcdf ([-2, 2])ans = 0.0228 0.9772>> P(2)-P(1)ans = 0.95453、逆累积分布函数(用于求分位点)表1.4逆累积分布函数(icdf)【例1-4】(书P22例1.13) 求下列分位数:(i) ; (ii) ; (iii) ; (iv) .>> u_alpha=norminv(0.9,0,1)u_alpha = 1.2816>> t_alpha=tinv(0.25,4)t_alpha = -0.7407>> F_alpha=finv(0.1,14,10)F_alpha = 0.4772>> X2_alpha=chi2inv(0.025,50)X2_alpha = 32.35744、随机数发生函数表1.5随机数发生函数(random)5、均值和方差表1.6常见分布的均值和方差函数(stat)注意: 如果省略调用格式左边的[M, V], 则只计算出均值.三、常用的统计量表1.7常用统计量说明:(1) y=var(X) ——计算X中数据的方差. .y=var(X, 1) —— , 得到样本的二阶中心矩(转动惯量).(2) C＝cov(X) ——返回一个协方差矩阵, 其中输入矩阵X的每列元素代表着一个随机变量的观测值. 如果X为n×m的矩阵, 则C为m×m的矩阵.(3) var(X)=diag(cov(X)), std(X)=sqrt(diag(cov(X))).。
- 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)。
MATLAB产生各种分布的随机数(2011-04-06 16:04:21)
标签：
it
1，均匀分布U（a,b）：
产生m*n阶［a，b］均匀分布U（a，b）的随机数矩阵：unifrnd (a,b,m, n)
产生一个［a，b］均匀分布的随机数：unifrnd (a,b)
2，0-1分布U（0,1）
产生m*n阶［０，1］均匀分布的随机数矩阵：rand (m, n)
产生一个［０，１］均匀分布的随机数：rand
4，二类分布binornd(N,P,mm,nn) 如binornd(10,0.5,mm,nn)
即产生mm*nn均值为N*P的矩阵
binornd(N,p)则产生一个。
而binornd(10,0.5,mm)则产生mm*mm的方阵，军阵为N*p。
5，产生m*n阶离散均匀分布的随机数矩阵：
unidrnd(N,mm,nn)产生一个数值在1-N区间的mm*nn矩阵
6，产生mm nn阶期望值为的指数分布的随机数矩阵：
exprnd( ,mm, nn)
此外，常用逆累积分布函数表
函数名调用格式函数注释
norminv X=norminv(P,mu,sigma) 正态逆累积分布函数
expinv X=expinv(P,mu) 指数逆累积分布函数
weibinv X=weibinv(P,A,B) 威布尔逆累积分布函数
logninv X=logninv(P,mu,sigma) 对数正态逆累积分布函数
Chi2inv X=chi2inv(P,A,B) 卡方逆累积分布函数
Betainv X=betainv(P,A,B) β分布逆累积分布函数。