随机过程课程作业(附MATLAB源码)
系统辨识:随机过程的特征估计
![系统辨识:随机过程的特征估计](https://img.taocdn.com/s3/m/22e8b725ccbff121dd36834a.png)
实验3 随机过程的特征估计实验报告1、产生一组均值为1,方差为4 的正态分布的随机序列(1000 个样本),估计该序列的均值与方差。
解:MATLAB代码:R=NORMRND(1,2,1,1000) %产生均值为1方差为4的正态分布的1000个随机序列mean(R) %返回序列R的均值V AR(R) %返回序列R的方差figure(1);subplot(2,1,1)stem(R); %绘制离散R序列title('序列R')subplot(2,1,2)hist(R,15); %绘制R序列的分布title('序列R的分布')输出结果:均值:ans = 1.0911方差:ans =4.2540从输出结果中可以看到,输出的均值和方差接近所给值,R序列的分布图可接近正态分布。
2、按如下模型产生一组随机序列:x(n)=0.8x(n-1)+w(n)其中w(n)为均值为1,方差为4 的正态分布白噪声序列。
估计过程的自相关函数与功率谱。
解:MATLAB代码:Fs=1; %采样频率n=0:1/Fs:1000;%生成均值为1方差为4的正态分布白噪声序列w=randn(1,1000);w=w/std(w);w=w-mean(w);a=1; %均值为1b=4; %方差为4w=a+sqrt(b)*w;x=zeros(1,1000);x(1)=w(1);for n=2:1000x(n)=0.8*x(n-1)+w(n);endnfft=1000;cxn=xcorr(x,'unbiased'); %计算x(n)的自相关函数figure(1);subplot(3,1,1);plot(cxn); %绘制自相关函数图title('信号x的自相关函数')%自相关法功率谱估计CXk=fft(cxn,1000);Pxx=abs(CXk);index=0:round(nfft/2-1);k=index*Fs/nfft;plot_Pxx=10*log10(Pxx(index+1));subplot(3,1,2)plot(k,plot_Pxx);title('信号x的功率谱');%周期图法功率谱估计window=boxcar(length(x));%矩形窗[Pxx,f]=periodogram(x,window,nfft,Fs);%直接法Subplot(3,1,3)plot(f,10*log10(Pxx))title('周期图法得到的功率谱')3、设信号为x(n)=sin(2πf1n)+2cos(2πf2n)+w(n),n=1,2,....,N,其中f1=0.05,f2=0.12,w(n)为正态白噪声,试在N=356 和1024 点时,分别产生随机序列x(n)、画出x(n)的波形并估计x(n)的相关函数和功率谱。
随机过程课程作业(附MATLAB源码)
![随机过程课程作业(附MATLAB源码)](https://img.taocdn.com/s3/m/5595502e4b73f242336c5feb.png)
绘制样本曲线的MATLAB命令:t=1:50:100000;xt1=0.5*cos(0.5.*t+pi/3);subplot(2,2,1)plot(t,xt);axis([1 100000 -1 1]);title('样本曲线一,sita=pi/3');xt2=0.5*cos(0.5.*t+pi/2);subplot(2,2,2);plot(t,xt);axis([1 100000 -1 1]);title('样本曲线二,sita=pi/2');xt3=0.5*cos(0.5.*t+3*pi/4);subplot(2,2,3);plot(t,xt);axis([1 100000 -1 1]);title('样本曲线三,sita=3*pi/4');xt3=0.5*cos(0.5.*t+3*pi/2);subplot(2,2,4);plot(t,xt);axis([1 100000 -1 1]);title('样本曲线四,sita=3*pi/2');四条样本曲线图:选取第一条样本曲线对时间求均值:MATLAB 命令为:avX=sum(xt1)/length(t)avX =0.0018泊松过程的模拟:a 采用增量迭加法产生泊松过程根据泊松过程是一个平稳增量随机过程,那么可知1100()()()()()()()()n n n N t N t N t N t N t N t N t N t -=-+-+⋅⋅⋅+-+其中1()()()n n N t N t P λτ--=假设某泊松过程的参数λ=3,时间最大为30,τ=1那么MTALAB 参数的样本曲线命令为lamda=2;Tmax=30;hao=1;for j=1:4i=1;N(1)= 0;while(i<Tmax)N(i+1)=N(i)+poissrnd(lamda*hao);i=i+1;endsubplot(2,2,j);stairs(N);enda 采用点间间距迭加法产生泊松过程根据定理1.13可知,如果某计数过程任意相机出现的链各个质点的点间间距是独立过程,且每一个Tn 都服从参数为λ的指数分布,那么N(t)是强度为λ的泊松过程1100()()()()()()()()n n n N t N t N t N t N t N t N t N t -=-+-+⋅⋅⋅+-+其中1()()()n n N t N t P λτ--=假设某泊松过程的参数λ=3,时间最大为30,τ=1那么MTALAB 参数的样本曲线命令为lamda=2;Tmax=50;i=1;T(1)=random('exponential',lamda);while(T(i)<Tmax)T(i+1)=T(i)+random('exponential',lamda);i=i+1;endT(i)=Tmax;x=0:1:i;w(1)=0;for p=1:iw(p+1)=T(p);end%length(w)%length(x)stairs(w,x);。
随机过程习题课
![随机过程习题课](https://img.taocdn.com/s3/m/a3f4ab213169a4517723a3b3.png)
3
(2)求[0,2]内收到3次且[0,3]内收到5次呼唤的概率 P ( N ( 2) 3, N ( 3) 5) P ( N (2) N (0) 3, N ( 3) N ( 2) 2) ( 2 2)3 ( 22 ) ( 2 1)2 ( 21) 64 6 e e e 3! 2! 3 (3)已知[0,3]内收到5次呼唤,求[0,2]内收到3次呼唤的概率.
E ( 2 ) E ( )( t1 t 2 ) E ( 2 )( t1t 2 ) C X (t1 , t 2 ) RX (t1 , t 2 ) X (t1 ) X (t 2 )
[ E ( 2 ) E ( )2 ] [ E () E ( ) E ( )]( t1 t 2 ) [ E ( 2 ) E ( )2 ]( t1t 2 )
37 19 19 , , 75 75 75
p(2)
1 p(0) P (2) 3
即两年后所占市场份额分别是 20
(2)试问至第2年底,A公司转移多少客户给B公司。 p12 (2)
p12 (2) 0.24
即第2年底,A公司转移24%客户给B公司。 (3)若某顾客第一年底是A公司的客户,第三年是B公司 的客户,第四年仍然是A公司的客户,求该事件的概率
0 1 3 F ( x; ) 4 2 3 1 x 2 2
(1) t
4
X 4 P
2 X( ) A 4 2
2 2 1 3 2 1 3 3 2 1 3 2
2 x 2 2 2 x x 3 2 2 3 2 2
( 2) t
P ( N ( 2) 3 N ( 3)
64 6 e P ( N ( 2) 3, N ( 3) 5) 35 5) 6 6 P ( N ( 3) 5) e 5!
随机过程-实验报告
![随机过程-实验报告](https://img.taocdn.com/s3/m/631184e8f8c75fbfc77db211.png)
P2 = 0.4167 0.3889 0.3889 0.3611 0.3889 0.3611 0.2222 0.2222 0.2500
7
(1) 2 步转移概率 P2 = 0.4167 0.3889 0.3889 0.3611 0.3889 0.3611 0.2222 0.2222 0.2500
(2) X 2 的分布律 S2 = 0.1667 (3) 平稳分布 T= 0.4000 0.3714 0.2286 2、为适应日益扩大的旅游事业的需要,某城市的 A,B,C 三个照相馆组成一个联 营部,联合经营出租相机的业务,旅游者可由 A,B,C 三处任何一处租出相机,用完 后还到 A,B,C 三处的任何一处即可.估计转移概率如表所示,今欲选择 A,B,C 之一 附设租机维修点,问该点设在何处为好? (程序与结果) 还相机处 A B C 租相机处 A 0.2 0.8 0 B 0.8 0 0.2 C 0.1 0.3 0.6
1 / 2 P 1/3 1/ 3 1/3 1/3 1/ 2 1/ 6 1/3 1/ 6
(1) 计算 2 步转移概率;(2) 已知初始分布为 P 2 / 5, 2 / 5,1 / 5 ,求 X 2 的分布律 (3) 求平稳分布,要求给出程序与结果。 程序:
9
程序: p=[0.2 0.8 0;0.8 0 0.2; 0.1 0.3 0.6]; P2=p^2 a=[p'-eye(3);ones(1,3)];b=[0 0 0 1]';T=a\b 结果:
0.1389
0.0611
解:由题意可知,该问题的转移概率矩阵 P 为:
8
0 .2 P 0 .8 0 .1
实验内容 判定一个 Markov 链是否是遍历的,若是遍历的,求其极限分布。并能从实际问 题中抽象出 Markov 链,并求出其极限分布,并理解其实际意义。 实验习题 1、已知齐次马氏链 X n , n 0,1, 2, 的状态空间 E 1, 2, 3 ,状态转移矩阵为
随机过程实验
![随机过程实验](https://img.taocdn.com/s3/m/ec09aec5360cba1aa811da8c.png)
实验名称:随机变量的仿真与实验实验内容:用MATLAB 分别产生服从(二项分布、泊松分布、正态分布、均匀分布、指数分布、瑞利分布)的随机变量,并分析他们的:1、分布函数或概率密度函数2、均值、方差1、服从二项分布的随机变量理论分析如果随机变量X 的分布律为k n k k n k q p C k X P p -===}{0<p<1, q=1-p, k=0,1,2,…n,则称X 服从参数为n ,p 的二项分布,记为X~B(n ,p)。
其期望和方差分别为E(X) = np ,D(X)=npq 。
随机变量X~B(20,0.4),可以通过matla b 计算其期望和方差,绘制分布律和分布函数。
程序如下:n = 20;p = 0.4;[E,D] = binostat(n ,p); %计算期望和方差f = binopdf(1:21, n, p); %计算分布律F = binocdf(1:21, n, p); %计算分布函数subplot(2,2,1); stem(f); %绘制分布律title('二项分布理论分布律 n=20 p=0.4');xlabel('x');ylabel('p');subplot(2,2,3); stem(F); %绘制分布函数title('二项分布理论分布函数 n=20 p=0.4');xlabel('x');ylabel('f');计算得结果E(X) = 8,D(X) = 4.800,分布律和分布函数如图1。
图1 X~B(20,0.4)的分布律和分布函数样本分析利用matlab中binornd函数产生一个X~B(20,0.4)的样本,样本点总数为20000。
计算其均值和方差,计算分布律和分布函数,并与理论结果进行比较。
程序如下:n = 20;p = 0.4;R = binornd(n,p,1,20000);e = mean(R); %期望d = var(R); %方差f = zeros (1,21);F = zeros (1,21);for j = 1:21 %计算统计分布律for i=1:20000if j == R(i)f(1,j) = f(1,j) + 1;endendf(1,j) = f(1,j) / 20000;endsubplot(2,2,1);stem(f);title('二项分布样本分布律 n=20 p=0.4');xlabel('x');ylabel('p');for j = 1:21 %计算分布函数for i = 1:jF(1, j) = F(1, j) + f(1,i);endendsubplot(2,2,3);stem(F);title('二项分布样本分布函数 n=20 p=0.4');xlabel('x');ylabel('f');计算结果为e=8.0218,d=4.7760,与理论值(E(X)=8,D(X)=4.8)基本接近。
随机信号大作业
![随机信号大作业](https://img.taocdn.com/s3/m/1c0343de376baf1ffd4fadb3.png)
随机信号大作业随机信号大作业第一章上机题:设有随机初相信号X(t)=5cos(t+),其中相位是在区间(0,2)上均匀分布的随机变量。
(1)试用Matlab编程产生其三个样本函数。
(2)产生t=0时的10000个样本,并画出直方图估计P(x)画出图形。
解:(1)由Matlab产生的三个样本函数如下图所示:程序源代码:clcclearm=unifrnd(0,2*pi,1,10);fork=1:3t=1:0.1:10;X=5*cos(t+m(k));plo t(t,X);holdonendxlabel('t');ylabel('X(t)');gridon;axistight;(2)产生t=0时的10000个样本,并画出直方图估计P(x)的概率密度并画出图形。
源程序代码:clear;clc;=2*pi*rand(10000,1);x=5*cos();figure(2),hist(x,20);holdon;第二章上机题:利用Matlab程序设计一正弦型信号加高斯白噪声的复合信号。
(1)分析复合信号的功率谱密度,幅度分布的特性;(2)分析复合信号通过RC积分电路后的功率谱密度和相应的幅度分布特性;(3)分析复合信号通过理想低通系统后的功率谱密度和相应的幅度分布特性。
解:设正弦信号的频率为10HZ,抽样频率为100HZx=sin(2*pi*fc*t)正弦曲线图:程序块代码:clearall;fs=100;fc=10;n=201;t=0:1/fs:2;x=sin(2*pi*fc*t);y=awgn(x,10);m=50;i=-0.49:1/fs:0.49;forj=1:mR(j)=sum(y(1:n-j-1).*y(j:199),2)/(n-j);Ry(49+j)=R(j);Ry(51-j)=R(j);endsubplot(5,2,1);plot(t,x,'r');title('正弦信号曲线');ylabel('x');xlabel('t/20pi');grid;(1)正弦信号加上高斯白噪声产生复合信号y:y=awgn(x,10)对复合信号进行傅里叶变换得到傅里叶变换:Y(jw)=fft(y)复合信号的功率谱密度函数为:G(w)=Y(jw).*conj(Y(jw)/length(Y(jw)))复合信号的曲线图,频谱图和功率谱图:程序块代码:plot(t,y,'r');title('复合信号曲线');ylabel('y');xlabel('t/20pi');grid;程序块代码:FY=fft(y);FY1=fftshift(FY);f=(0:200)*fs/n-fs/2;plot(f,abs(FY1),'r');title('复合信号频谱图');ylabel('F(jw)');xlabel('w');grid;程序块代码:P=FY1.*conj(FY1)/length(FY1);plot(f,P,'r');title('复合信号功率谱密度图');ylabel('G(w)');xlabel('w');grid;(2)正弦曲线的复合信号通过RC积分电路后得到信号为:通过卷积计算可以得到y2即:y2=conv2(y,b*pi^-b*t)y2的幅度分布特性可以通过傅里叶变换得到Y2(jw)=fft(y2)y2的功率谱密度G2(w)=Y2(jw).*conj(Y2(jw)/length(Y2(jw)))复合信号通过RC积分电路后的曲线频谱图和功率谱图:程序块代码:b=10;y2=conv2(y,b*pi^-b*t);Fy2=fftshift(fft(y2));f=(0:400)*fs/n-fs/2;plot(f,abs(Fy2),'r');title('复合信号通过RC系统后频谱图');ylabel('Fy2(jw)');xlabel('w');grid;程序代码:P2=Fy2.*conj(Fy2)/length(Fy2);plot(f,P2,'r');title('复合信号通过RC系统后功率密度图');ylabel('Gy2(w)');xlabel('w');grid;(3)复合信号y通过理想滤波器电路后得到信号y3通过卷积计算可以得到y3即:y3=conv2(y,sin(10*t)/(pi*t))y3的幅度分布特性可以通过傅里叶变换得到Y3(jw)=fft(y3),y3的功率谱密度G3(w)=Y3(jw).*conj(Y3(jw)/length(Y3(jw)))复合信号通过理想滤波器后的频谱图和功率密度图:程序块代码:y3=conv2(y,sin(10*t)/(pi*t));Fy3=fftshift(fft(y3));f3=(0:200)*fs/n-fs/2;plot(f3,abs(Fy3),'r');title('复合信号通过理想滤波器频谱图');ylabel('Fy3(jw)');xlabel('w');grid;程序块代码:P3=Fy3.*conj(Fy3)/length(Fy3);plot(f3,P3,'r');title('理想信号通过理想滤波器功率密度图');ylabel('Gy3(w)');xlabel('w');grid;。
随机过程实验
![随机过程实验](https://img.taocdn.com/s3/m/0c9b5909de80d4d8d15a4fd2.png)
齐次泊松过程的matlab数据分析一、参数设定:二、数据分析(一)通过分析统计Possion_data.txt求期望、方差。
1、数据导入:设置参数:lamda=5,仿真时间=10,样本函数数目=200;生成Possion_data.txt 文件,在matlab中使用“Import Data”功能,将txt文件所有行以“Matrix”格式导入Workplace空间,生成Possiondata变量。
如下图:图1. Possion_data原始数据图2. Possion_data数据导入图3. 生成Possiondata2、数据提取编程将Possiondata数组中的第3,6,9…300行提取出来形成一个新的数值poiss。
图4. 提取有效数据3、数据判别(1)、按照试验指导大纲,将时间间隔设成0.1,将每一条样本函数按照0.1的时间间隔进行统计,将在同一个0.1间隔内的数据归为一类。
得到“t1”图5. 数据判别归类(2)、采用“length”函数将上表中的数据进行计数得到以下参数:图6. 统计类中数量(3)、将“t2”进行累加,并同样的方法计算所有样本函数得到“s”:图7. 得到样本计数样本图8. 第一条样本计数过程图9. SJGC生成的第一条样本函数4、计算期望、方差使用“mean”函数计算期望值,使用“var”函数计算方差得到下图:图10. 均值_方差图从图中可以看出,泊松过程的均值与方差具有一致性。
图11. SJGC生成的均值函数图(二)求泊松过程的速率方法1根据所得到的的均值函数,使用“polyfit”函数采用一次函数模拟得到斜率4.9138,即为泊松速率。
方法2考虑到泊松事件的时间间隔是指数分布,且均值为泊松过程速率的倒数。
对样本函数进行处理,将两次到达时间相减得到每相邻两次事件发生的时间间隔,使用“expfit”函数得到估计的均值,对其求倒得到泊松速率。
使用循环语句得到每一条样本函数的速率,最后求平均得到要求的泊松速率。
随机作业最终版-荀涛
![随机作业最终版-荀涛](https://img.taocdn.com/s3/m/14dda03531126edb6f1a10d9.png)
自动化学院随机过程基础及应用课程设计学号:S307040123专业:精密仪器及机械学生姓名:荀涛任课教师:赵希人 (教授)随机作业学号:S307040123 姓名:荀涛本次作业是由MATLAB 6.5环境下写出。
第一题:一、用PC机产生[0,1]均匀分布的白序列{X(k),k=1,2, (2000)(1)打印出前50个数X(i),i=1,2,…,50(2)分布检验(3)均值检验(4)方差检验(5)相关检验源程序:x=rand(1,2000)%EX=mean(x)%均值检验DX=var(x)%方差检验subplot(2,1,1),hist(x,10)y=linspace(-10,10,21)for m= -10 :10mAbs=abs(m)s=0for n=1:2000-mAbss=s+(x(n+mAbs)-EX)*(x(n)-EX)endy(m+11)=(1/(2000-mAbs))*sendx2=[-15:30/20:15]subplot(2,1,2),plot(x2,y)1.前50个数:0.98625 0.8853 0.40484 0.62714 0.38546 0.84786 0.52685 0.8074 0.3935 0.96173 0.0301210.95373 0.71438 0.64655 0.44665 0.17463 0.83525 0.97009 0.13497 0.25099 0.91001 0.676470.62316 0.51222 0.0034827 0.22689 0.97846 0.86125 0.014385 0.48578 0.4164 0.77290.48815 0.52256 0.78205 0.59123 0.12639 0.10972 0.66291 0.99709 0.34618 0.17605 0.0678890.3094 0.33476 0.37617 0.95221 0.71932 0.77934 0.617662.分布检验见图。
哈尔滨工程大学研究生课程:随机过程大作业答案
![哈尔滨工程大学研究生课程:随机过程大作业答案](https://img.taocdn.com/s3/m/7c0bf747be1e650e52ea9914.png)
1.答:(1)前50个数为:0.9862 0.8479 0.0301 0.1746 0.91000.8853 0.5268 0.9537 0.8352 0.67650.4048 0.8074 0.7144 0.9701 0.62320.6271 0.3935 0.6465 0.1350 0.51220.3855 0.9617 0.4467 0.2510 0.00350.8479 0.0301 0.1746 0.9100 0.22690.5268 0.9537 0.8352 0.6765 0.97850.8074 0.7144 0.9701 0.6232 0.86130.3935 0.6465 0.1350 0.5122 0.01440.9617 0.4467 0.2510 0.0035 0.4858(2) 分布检验:(3)均值检验:0.5042(4) 方差检验:0.0832(5) 计算相关函数分布:p =199 178 207 193 211 193 206 216 191 206本题运用MATLAB进行编程,程序如下:for n=1:2000xt(n)=unifrnd(0,1); %产生2000个(0,1)均匀分布白序列endsubplot(2,1,1);plot(xt),title('2000个(0,1)均匀分布的白噪声');for i=1:5for j=1:10sc(j,i)=xt((i-1)*5+j);end;end;disp([sc]) %打印前50个数mx=mean(xt) %求平均数并输出dx=cov(xt) %求方差并输出subplot(2,1,2);p=hist(xt,10) %将产生的2000个随机数分为10组p=p/100; t=0.025:.1:.975; %求概率密度bar (t,p,1);title('0-1均匀分布的白噪声直方图');xlabel('x');ylabel('f(x)');[bx,i] = xcov(xt,10); %τ取-10到10Bx=bx/2000; %求自相关函数Bx(τ)figuresubplot(2,1,1);plot(i,Bx),title('自相关函数Bx分布图');xlabel('τ');ylabel('Bx(τ)');[tx,i] = xcorr(xt,10); %τ取-10到10Tx=tx/2000;subplot(2,1,2);plot(i, Tx),title('自相关函数Γx分布图');xlabel('τ');ylabel('Γx(τ)');2.答:(1)前50个数为:-0.4326 1.1909 -0.1867 0.1139 0.2944-1.6656 1.1892 0.7258 1.0668 -1.33620.1253 -0.0376 -0.5883 0.0593 0.71430.2877 0.3273 2.1832 -0.0956 1.6236-1.1465 0.1746 -0.1364 -0.8323 -0.69181.1909 -0.1867 0.1139 0.2944 0.85801.1892 0.7258 1.0668 -1.3362 1.2540-0.0376 -0.5883 0.0593 0.7143 -1.59370.3273 2.1832 -0.0956 1.6236 -1.44100.1746 -0.1364 -0.8323 -0.6918 0.5711(2) 分布检验: 如下图所示。
1随机过程实验报告-副本
![1随机过程实验报告-副本](https://img.taocdn.com/s3/m/1e1a07b5f5335a8103d2200d.png)
1随机过程实验报告 - 副本__________________________________________________________________________________随机过程试验报告班级:姓名:学号:____________________________________________________________________ ____________________________________________________________________________________________ ______________________________________________________________________________________实验一实验题目 Xtxwt()cos(),描绘出随机过程的图像实验目的 Xtxwt()cos(),利用MATLAB编程描绘出随机过程的图像实验地点及时间信息楼127机房 2012.5.31实验内容Xtxwt()cos(),绘制随机过程的图像实验习题,函数z=xcos(wt)中,w为常量,设为2;自变量为x和t,其中t[-1,1],x服从[-1,1]上的标准正态分布;y是因变量。
用Matlab编程如下:t=-1:0.01:1;>> x=normpdf(t);//x服从标准正态分布。
>> z=x.*cos(1*t);>> plot3(t,x,z);如下图所示;实验总结理解随机过程的本质含义,并学会运用MATLAB语言编程描绘在随机过程函数图像。
实验成绩评阅时间评阅教师____________________________________________________________________ ____________________________________________________________________________________________ ______________________________________________________________________________________实验二实验题目 Xtwt()cos(),,,,绘制随机相位正弦波的均值,方差和自相关函数的图像实验目的通过绘制图像,深入理解随机相位正弦波的均值,方差和自相关函数实验地点及时间信息楼127机房 2012.5.31Xtwt()cos(),,,,实验内容:绘制随机相位正弦波的均值,方差和自相关函数的图像实验习题,cos(,t,,),,,,函数z=中,令=2,=2,服从(0,2)上的均匀分布,,,t(0,2)。
matlab期末作业_附源代码
![matlab期末作业_附源代码](https://img.taocdn.com/s3/m/7ff3f5d36f1aff00bed51eec.png)
clc f=[-11,-9]'; A=[6,5;10,20]; B=[60,150]; Ae=[]; Be=[]; xm=[0,0]; xM=[8,Inf]; [x,f_opt]=linprog(f,A,B,Ae,Be,xm,xM)
6
③结果如下:
Optimization terminated. x= 8.0000 2.4000 f_opt = -109.6000
⑤结果分析: 生产甲800箱,生产乙240箱,获利最多为109.6万元。 显然应该是要改变生产计划的,改变计划获利增加。
7
②编写 m 文件
function y = myodefun(t,x ) y=[-x(1)^3-x(2);x(1)-x(2)^3]; end
0<t<30
③在 command 窗口中输入:
>> tspan=[0,30]; >> x0=[1;0.5]; >> [t,x]=ode45('myodefun',tspan,x0); >> plot(t,x(:,1),'g*',t,x(:,2),'b-.');
②Matlab源代码
clc f=[-10,-9]'; A=[6,5;10,20]; B=[60,150]; Ae=[]; Be=[]; xm=[0,0]; xM=[8,Inf]; [x,f_opt]=linprog(f,A,B,Ae,Be,xm,xM)
③结果如下:
Optimization terminated. x= 6.4286 4.2857 f_opt = -102.8571
1
1.求解微分方程组,画出解函数图。
随机过程大作业s
![随机过程大作业s](https://img.taocdn.com/s3/m/40d3ee2f10661ed9ac51f312.png)
信息与通信工程学院(小论文)专业:信息与通信工程2017年10月看病排队分析摘要:排队问题是生活中比较常见而且比较难解决的问题,因此研究如何解决排队问题对于生活有很大帮助。
本文通过研究看病排队这一具体问题分析,来分析排队这一类的问题。
看病排队问题的实质是解决需求和供给之间的关系,如何合理分配医疗资源是解决这个问题的关键。
通过对实际看病过程中的排队数据进行分析来搭建相应的数学模型,利用数学模型来分析这一类问题是研究排队问题的一种常见思路。
排队问题的模型有很多,这里采用泊松过程来进行分析。
对数据进行处理来验证使用泊松过程解决看病排队问题的合理性。
主要实用MATLAB这款数据处理软件进行数据分析,通过图形直观的显示验证结果。
关键词:泊松过程MATLAB一、研究背景排队等待是我们每个人都要经历的,比如等待交款、等候就餐、等电梯、等公交等。
患者不同于健康人,患者的病情是拖不起的,同时排队等待对患者的身心不利,也会产生人群聚集而不利于系统的预防工作,“非典”疫情是使老百姓也充分意识到系统排队等待的一些弊端。
随着人们防病意识的增加、生活节奏的加快和对医疗服务水平要求之高,排队等待的组织管理问题尤显重要。
系统如果使患者等待,将会导致患者不满意或可能失去患者,甚至发生交叉感染。
因此,患者排队等待问题是应该引起系统管理者高度重视的问题。
看病排队等待问题在生活中是不可避免的。
等待绝对不发生的唯一条件是,规定患者在固定的时间间隔到达,而且服务时间是一定的。
由于医疗服务能力与需求不可能完全匹配,比如多数系统受成本、设施、人员等客观条件的限制,不能轻易增加设备和人员,以适应和配合患者的需求变化,或者医疗需求较难预测而医疗服务能力缺乏相应的弹性。
由于患者到达系统的时间是随机的,接受服务所需要的时间也是随机的,即使预约患者按照约定时间到达系统,但由于医生对疾病诊治时间的不确定性,后面的患者也不得不等待。
所以排队是医疗服务过程中不可避免的就诊过程,特别是在大系统接受就诊,排队等待时间(特别是排队挂号、候诊、交款、等待检查)占就诊时间的很大部分。
随机过程matlab程序
![随机过程matlab程序](https://img.taocdn.com/s3/m/cb869f242f60ddccda38a0da.png)
% PPT 例2 一维正态密度与二维正态密度syms x y;s=1; t=2;mu1=0; mu2=0; sigma1=sqrt((1+s^2)); sigma2=sqrt((1+t^2));x=-6:0.1:6;f1=1/sqrt(2*pi*sigma1)*exp(-(x-mu1).^2/(2*sigma1^2));f2=1/sqrt(2*pi*sigma2)*exp(-(x-mu2).^2/(2*sigma2^2));plot(x,f1,'r-',x,f2,'k-.')rho=(1+s*t)/(sigma1*sigma2);f=1/(2*pi*sigma1*sigma2*sqrt(1-rho^2))*exp(-1/(2*(1-rho^2))*((x-mu1)^2/sigma1^2-2*rho*(x-mu1)*(y-mu2)/(sigma1*sigma2)+(y-mu2)^2/sigma2^2));ezsurf(f)-6-4-20246x 44798133900177/281474976710656 exp(-5/2 x 2+3 x y-y 2)y% % The daily log returns on the stock have a mean of 0.05/year and a standard deviation of 0.23/year. These can be converted to rates per trading day by deviding by 253 and sqrt(253), respectively.Question 1: What is the probability that the value of the stock will be below $950,000 at the close day of at least one of the next 45 trading days?clear;niter=1.0E5; % number of iterationsbelow=repmat(0,1,niter); % set up storagerandn('seed',0);for i=1:niterr=normrnd(0.05/253,0.23/sqrt(253),1,45); % generate random numberslogPrice=log(1.0E6)+cumsum(r);minlogP=min(logPrice); % minmum price over next 45 daysbelow(i)=sum(minlogP<log(950000));endPro=mean(below)% P29 随机相位正弦波仿真% 1 time simulationw=2; N=1000; mu=2; sigma=3;s=rand('state');A=mu+sigma*randn(1,N); % A=normrnd(mu,sigma,1,N)theta=-pi+2*pi*rand(1,N);t=1:N;x=A.*cos(w*t+theta);capmu=mean(x)tao=1x1=A.*cos(w*(t+tao)+theta);capgamma=mean((x-capmu).*(x1-capmu))% m time simulationclear;w=2; N=1000; mu=2; sigma=3;m=500;capmu1=[];capgamma1=[];for i=1:ms=rand('state');A=mu+sigma*randn(1,N);theta=-pi+2*pi*rand(1,N);t=1:N;x=A.*cos(w*t+theta);capmu=mean(x);capmu1=[capmu1,capmu];tao=1;x1=A.*cos(w*(t+tao)+theta); capgamma=mean((x-capmu).*(x1-capmu)); capgamma1=[capgamma1,capgamma];endplot(1:m,capmu1,'*',1:m,capgamma1,'o')capmu=mean(capmu1);capgamma=mean(capgamma1);err1=mean((capmu1-0).^2);gamma=(sigma^2+mu^2)*cos(w*tao)/2;err2=mean((capgamma1-gamma).^2); [capmu,capgamma; err1, err2]% 输出:0.0058 -2.70050.0065 0.0736。
随机过程实验报告
![随机过程实验报告](https://img.taocdn.com/s3/m/8d71fa2b04a1b0717ed5dd76.png)
随机过程试验报告班级:信息与计算科学2010级1班姓名:李翠珍学号:20104609实验实验总结:本次试验熟练的掌握了三维图像的matlab 编程语句,最重要的是学习了 rnd 使x 为泊松随机数。
4实验二2o-1-228均值函数已知u=0,令自变量x的取值范围[-1,1]x=-1:0.01:1u=0;plot(x,u,'-+');方差函数var(x(t)) =2;在matlab 中用v 代替方差,同样令x=-1:0.01:1v=0;plot(x,v,'-+');-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 10.80.60.40.2-0.2-0.4-0.6-0.8-1 -1 -0.8 -0.6 -0.4 -0.2 0.2 0.4 0.6 0.8自相关函数令t 1 , t 2的范围为[0,2二].根据已知条件编写下程序: t1=0:0.01:2;t2=0:0.01:2; t=t1-t2;w=3;r=2*cos(w*t); plot3(r,t1,t2); axis square; grid on;实验总结:本次试验,主要是借鉴了课本 2.2的课上例题,利用了随机过程中的 中的相关公式求解。
3实验三实验总结:本试验主要锻炼了我们从大量信息内摘取有用信息的能力学习及理解 运用新知识。
我在这方面比较欠缺,以后一定要多加练习。
3030实验成绩 评阅时间 评阅教师 2520151055 10 15 20 25实验内容判定一个Markov 链是否是遍历的,若是遍历的,求其极限分布。
并能从实际问 题中抽象出Markov 链,并求出其极限分布,并理解其实际意义。
实验习题课本p125 5.7 将两个红球,四个白球分别放入甲乙两个盒子中。
每次从两个 盒子中各取一球交换,以X n 记第n 次交换后甲盒中红球数。
(1) 说明{ X n , n=0,1,…}是一 Markov 链并求转移矩阵P ;(2) 试证{ X n , n=0 , 1,…}是遍历的;(3) 求它的极限分布;(1) 设X n 记第n 次交换后甲盒中红球数,则易见{ X n ,n=0,1,…}是状态空间S 二{0,1,2}的Markov 链,一步转移概率矩阵为:123 8 0(2) 由于状态空间S 有限,且状态互通,故{ X n , n=0,1,-}不可约,从而 正常返,又状态1为非周期的,故{ X n , n=0 , 1,…}还是遍历链。
MATLAB课程作业
![MATLAB课程作业](https://img.taocdn.com/s3/m/001079c128ea81c758f578ac.png)
注意:11月15日是交作业的最后期限。
(交word和MATLAB程序清单,word以“班级-学号-姓名”命名,每个MATLAB程序以”zuoye_题号”命名后,放在一个文件夹下(文件夹命名为“作业程序”),如zuoye_1_1.m),将word和“作业程序”文件夹放在一个文件夹(文件夹以“班级-学号-姓名”)交到班长处,班长统一交到教学办公室。
第一部分程序设计1.1、用MA TLAB可以识别的格式输入下面两个矩阵:(1) 矩阵A的维数;(2) 矩阵A中的元素a41的值;(3) 修改矩阵A的元素,使a41 =3.0;(4) 矩阵A中最后2行和最后3列交汇形成的子矩阵的值。
(5)求出A和B的乘积矩阵C,并将C矩阵的右下角2X 3子矩阵赋给D矩阵。
1.2、已知111121111,131,111214A B⎡⎤⎡⎤⎢⎥⎢⎥=-=-⎢⎥⎢⎥⎢⎥⎢⎥-⎣⎦⎣⎦求(1)AB-2A,(2)A*B,(3)A﹒*B,(4) AB-BA 1.3、解线性方程:1.4、解方程组:1.5、用MA TLAB语言实现下面的分段函数:1.6、已知x=[1 2 3 ],y=[4 5 6 ],试计算z=x.*y 、x.\y 和x./y.1.7、分别用for 和while 循环语句编写程序,求出1.8、 已知在平面坐标中两点(x 1, y 1)和(x 2, y 2)之间的距离计算公式为 ()()222121y y x x L -+-=(1) 利用命令文件的形式,编写求解该距离的M 文件dis1.m ;(2) 利用函数文件的形式,编写求解该距离的M 文件dis2.m ;(3) 给定两点坐标的值(2,3)和(8, -5),试分别调用命令文件dis1.m 和函数文件dis2.m 求解该两点间距离的值。
1.9、求解方程x 5+6x 3一3x 2=10的5个根,并将其位置用五角星符号标记在复平面上,要求横纵坐标袖的刻度等长,注明虚轴和实轴,在title 位置上写㈩方程。
随机过程matlab实验
![随机过程matlab实验](https://img.taocdn.com/s3/m/ada5cbfdf705cc1755270973.png)
1.程序如下:n=10;x=0:n;X=zeros(10,10);q=zeros(1,11);s=0;p=0;y=binopdf(x,n,0.6)z=rand(10,10)t=[0 1 2 3 4 5 6 7 8 9 10];for i=1:11for j=1:iq(i)=q(i)+y(j);endendqfor i=2:11for k=1:100if z(k)<=q(1)X(k)=t(1);endif q(i-1)<z(k)&&z(k)<=q(i)X(k)=t(i);endendendXfor i=1:100s=s+X(i);E=s/100;endEfor i=1:100p=p+(X(i)-E)^2;Var=p/99;endVar运行结果如下:y =0.0001 0.0016 0.0106 0.0425 0.1115 0.2007 0.2508 0.2150 0.1209 0.0403 0.0060z =0.1048 0.0198 0.2672 0.2501 0.7960 0.9173 0.0919 0.5508 0.4050 0.03480.8584 0.9643 0.7537 0.9277 0.2334 0.5098 0.4021 0.87090.1736 0.29280.6982 0.9704 0.8984 0.0686 0.6008 0.9742 0.2952 0.0423 0.5752 0.80140.7337 0.1239 0.7284 0.2994 0.1125 0.1973 0.3065 0.9047 0.6062 0.34650.6505 0.4674 0.4068 0.5916 0.5158 0.1112 0.1056 0.1310 0.2144 0.08330.5163 0.6567 0.9383 0.2033 0.8378 0.2974 0.5938 0.8337 0.5199 0.51110.3264 0.2902 0.2554 0.6359 0.9208 0.3964 0.2827 0.8005 0.9892 0.36680.6618 0.7545 0.5332 0.7984 0.4982 0.4208 0.1552 0.9179 0.4899 0.73950.1176 0.5581 0.9548 0.5017 0.2776 0.3115 0.0007 0.1373 0.6949 0.52470.1478 0.4278 0.2677 0.6508 0.6525 0.6938 0.2836 0.5047 0.4114 0.8045q =0.0001 0.0017 0.0123 0.0548 0.1662 0.3669 0.6177 0.8327 0.9536 0.9940 1.0000X =4 35 5 7 8 46 6 38 9 7 8 5 6 6 8 5 57 9 8 4 6 9 5 3 6 77 4 7 5 4 5 5 8 6 57 6 6 6 6 4 4 4 5 46 7 8 5 8 5 6 8 6 65 5 5 7 86 57 9 57 7 6 7 6 6 4 8 6 74 6 9 65 5 1 4 7 64 65 7 7 7 56 6 7E =5.9400Var =2.3600由计算知原均值为6,原方差为2.4,可见模拟过程近似度很好。
随机过程作业一(201111768)
![随机过程作业一(201111768)](https://img.taocdn.com/s3/m/5ed514dd6f1aff00bed51ec8.png)
四、检验 (一)基本方法 样本均值 X 样本方差 S
1 n Xi n i 1
n 1 ( X i 2 nX 2 ) n 1 i 1
(二)MATLAB 仿真程序 disp('均匀分布'); [E,S]=GetExpectationAndVariance(Randnum_vector,length) U=(E-0.5)/(1/12) U1=sqrt(12*length)*(E-0.5) U2=sqrt(180*length)*(S^2-1/12) disp('正态分布'); [E,S]=GetExpectationAndVariance(Y_normal_vector,length) disp('rayleigh 分布'); [E,S]=GetExpectationAndVariance(Y_rayleigh_vector,length) (三)仿真结果 分布类型 均匀分布 瑞利分布 正态分布 理论期望 0.4900 1.2426 0 理论方差 0.0849 0.4356 1 样本均值 0.4953 1.2427 -0.0096 样本方差 0.0850 0.4319 1.0477
end bar(Randnum_ZhiFangTu_vector); xlabel('统计区间[0,1]'); ylabel('统计个数'); title('随机数序列统计直方图 '); Y_rayleigh_vector = zeros(1,length); Y_rayleigh_vector = sqrt(-2*log(1-Randnum_vector)); subplot(2,1,1); plot(Y_rayleigh_vector,':'); title('参数为 1 的瑞利分布 Rayleigh 随机数序列(5000 个数) '); xlabel('随机数序号'); ylabel('随机数值'); subplot(2,1,2); Y_rayleigh_zhifangtu_vector = zeros(1,50); j=1; for i=1:length j=Y_rayleigh_vector(i)/0.1; j = ceil(j); if j<=0 j=1; end if j>=50 j=50; end Y_rayleigh_zhifangtu_vector(j)=Y_rayleigh_zhifangtu_vector(j)+1;
随机过程大作业s
![随机过程大作业s](https://img.taocdn.com/s3/m/f5578b60ec3a87c24128c445.png)
信息与通信工程学院(小论文)专业:信息与通信工程2017年10月看病排队分析摘要:排队问题是生活中比较常见而且比较难解决的问题,因此研究如何解决排队问题对于生活有很大帮助。
本文通过研究看病排队这一具体问题分析,来分析排队这一类的问题。
看病排队问题的实质是解决需求和供给之间的关系,如何合理分配医疗资源是解决这个问题的关键。
通过对实际看病过程中的排队数据进行分析来搭建相应的数学模型,利用数学模型来分析这一类问题是研究排队问题的一种常见思路。
排队问题的模型有很多,这里采用泊松过程来进行分析。
对数据进行处理来验证使用泊松过程解决看病排队问题的合理性。
主要实用MATLAB这款数据处理软件进行数据分析,通过图形直观的显示验证结果。
关键词:泊松过程MATLAB一、研究背景排队等待是我们每个人都要经历的,比如等待交款、等候就餐、等电梯、等公交等。
患者不同于健康人,患者的病情是拖不起的,同时排队等待对患者的身心不利,也会产生人群聚集而不利于系统的预防工作,“非典”疫情是使老百姓也充分意识到系统排队等待的一些弊端。
随着人们防病意识的增加、生活节奏的加快和对医疗服务水平要求之高,排队等待的组织管理问题尤显重要。
系统如果使患者等待,将会导致患者不满意或可能失去患者,甚至发生交叉感染。
因此,患者排队等待问题是应该引起系统管理者高度重视的问题。
看病排队等待问题在生活中是不可避免的。
等待绝对不发生的唯一条件是,规定患者在固定的时间间隔到达,而且服务时间是一定的。
由于医疗服务能力与需求不可能完全匹配,比如多数系统受成本、设施、人员等客观条件的限制,不能轻易增加设备和人员,以适应和配合患者的需求变化,或者医疗需求较难预测而医疗服务能力缺乏相应的弹性。
由于患者到达系统的时间是随机的,接受服务所需要的时间也是随机的,即使预约患者按照约定时间到达系统,但由于医生对疾病诊治时间的不确定性,后面的患者也不得不等待。
所以排队是医疗服务过程中不可避免的就诊过程,特别是在大系统接受就诊,排队等待时间(特别是排队挂号、候诊、交款、等待检查)占就诊时间的很大部分。
- 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)。
绘制样本曲线的MATLAB命令:
t=1:50:100000;
xt1=0.5*cos(0.5.*t+pi/3);
subplot(2,2,1)
plot(t,xt);
axis([1 100000 -1 1]);
title('样本曲线一,sita=pi/3');
xt2=0.5*cos(0.5.*t+pi/2);
subplot(2,2,2);
plot(t,xt);
axis([1 100000 -1 1]);
title('样本曲线二,sita=pi/2');
xt3=0.5*cos(0.5.*t+3*pi/4);
subplot(2,2,3);
plot(t,xt);
axis([1 100000 -1 1]);
title('样本曲线三,sita=3*pi/4');
xt3=0.5*cos(0.5.*t+3*pi/2);
subplot(2,2,4);
plot(t,xt);
axis([1 100000 -1 1]);
title('样本曲线四,sita=3*pi/2');
四条样本曲线图:
选取第一条样本曲线对时间求均值:
MATLAB 命令为:
avX=sum(xt1)/length(t)
avX =
0.0018
泊松过程的模拟:
a 采用增量迭加法产生泊松过程
根据泊松过程是一个平稳增量随机过程,那么可知
1100()()()()()()()()n n n N t N t N t N t N t N t N t N t -=-+-+⋅⋅⋅+-+
其中1()()()n n N t N t P λτ--=
假设某泊松过程的参数λ=3,时间最大为30,τ=1那么MTALAB 参数的样本曲线命令为
lamda=2;Tmax=30;hao=1;
for j=1:4
i=1;N(1)= 0;
while(i<Tmax)
N(i+1)=N(i)+poissrnd(lamda*hao);
i=i+1;
end
subplot(2,2,j);
stairs(N);
end
a 采用点间间距迭加法产生泊松过程
根据定理1.13可知,如果某计数过程任意相机出现的链各个质点的点间间距是独立过程,且每一个Tn 都服从参数为λ的指数分布,那么N(t)是强度为λ的泊松过程
1100()()()()()()()()n n n N t N t N t N t N t N t N t N t -=-+-+⋅⋅⋅+-+
其中1()()()n n N t N t P λτ--=
假设某泊松过程的参数λ=3,时间最大为30,τ=1那么MTALAB 参数的样本曲线命令为
lamda=2;Tmax=50;
i=1;T(1)=random('exponential',lamda);
while(T(i)<Tmax)
T(i+1)=T(i)+random('exponential',lamda);
i=i+1;
end
T(i)=Tmax;x=0:1:i;w(1)=0;
for p=1:i
w(p+1)=T(p);
end
%length(w)
%length(x)
stairs(w,x);。