1、离散随机分布

超几何分布:M:产品总数;K:次品数;N:抽样数。

  • hygepdf(X, M,K,N):计算超几何分布的密度。

    例:hygepdf(1,10,1,3),执行结果为ans=0.3000

    表示参数为10,、1和3的超几何分布在数值1处的密度为0.3。

    例:hygepdf([1,0],10,1,3),执行结果为ans=0.3000 0.7000

    第一个分量是超几何分布在数值1处的密度,第二个分量是该分布在数值0处的密度。

  • hygecdf(Y,M,K,N):计算超几何分布的累积分布函数值

    例:hygepdf(2,100,20,10),执行结果为ans=0.6182

    表示次品数0-2个的累积值。

  • hygernd(M,K,N):产生服从超几何分布的随机数。

    例:见Hygernd.m

     

二项分布(伯努利Bernulli分布):N:实验总次数;P:实验成功概率

  • binopdf(X,N,P):计算二项式分布的密度,即在取X值时的密度。
  • binocdf(Y,N,P):计算二项式分布的累积分布函数值。
  • binornd(N,P):生成二项式分布的随机数。

    例:见Binornd.m

 

泊松分布(Poisson):lambda:泊松参数λ。

  • poisspdf (X,lambda):计算泊松分布的密度。
  • poisscdf (Y,lambda):计算泊松分布的累积分布函数值。
  • poissrnd (lambda):生成泊松分布的随机数。

    例:见Poissrnd.m

 

几何分布:X:首次成功时的实验次数;P:概率

  • geopdf(X,P):计算几何分布的密度。
  • geocdf(Y,P):计算几何分布的累积分布函数值。
  • geornd(P):生成几何分布的随机数。

    例:见Geornd.m

 

  • unidrnd(N,m,n):产生离散均匀分布的随机数,范围从1—N,矩阵大小为mxn。

     

2、连续型随机分布

均匀分布:区间[A,B]

  • unifpdf(X,A,B):计算均匀分布的密度。
  • unifcdf(Y,A,B):计算均匀分布的累积分布函数值。
  • unifrnd(A,B):生成均匀分布的随机数。

    例:见Unifrnd.m

     

指数分布:分布参数为λ,mu:分布的期望。mu=1/λ。

  • exppdf(X,mu):计算指数分布的密度。
  • expcdf(Y,mu):计算指数分布的累积分布函数值。
  • expfrnd(mu):生成指数分布的随机数。

    例:见Expfrnd.m

 

正态分布(高斯Gauss分布):分布参数为mu=μ,sigma=σ。

  • normpdf(X,mu,sigma):计算正态分布的密度。
  • normcdf(Y,mu, sigma):计算正态分布的累积分布函数值。

    例:见Normpdfcdf.m

  • norminv(P,mu,sigma):计算正态分布的逆累积分布函数值。P为正态分布概率值。

例:x = norminv([0.025 0.975],0,1)

x = -1.9600 1.9600

第一分量表示累积概率为0.025的值,返回值为a,满足F(a)=P(x<a)。

第二分量表示累积概率为0.975的值。

  • normrnd(mu,sigma):生成正态分布的随机数。

    例:见Normrnd.m

  • mvnpdf(xy,mu,sigma):多维高斯密度函数。
  • mvnrnd(mu1,sigma2,n):产生多维正态随机数,mu1为期望向量,sigma2为协方差矩阵,n为规模。

 

  • rand,randn
    • rand是平均分布,即等概率分布,等概率产生0-1范围内的数。
    • randn是标准正态分布,均值为0,标准差为1。
  • lognrnd(mu,sigma):生成服从对数正态分布的随机数。
  • chi2rnd(v):生成服从自由度为v的卡方分布的随机数。
  • frnd(v1,v2):生成服从参数(v1,v2)的F分布的随机数。
  • trnd(v):生成服从参数为v的t分布的随机数。
  • betarnd(A,B):生成服从参数为A,B的beta分布的随机数。
  • gamrnd(A,B):生成服从参数为A,B的gamma分布的随机数。
  • raylrnd(B):生成服从参数为B的瑞利(Rayleigh)分布的随机数。
  • wblrnd(A,B):生成服从参数为A,B的威布尔(Weibull)分布的随机数。
    • 注:不同分布的密度函数、累积分布即将后缀rnd改为pdf、cdf。

 

3、随机变量的数字特征

  • mean:均值(期望);geomean:几何平均;harmmean:调和平均;
  • trimmean(X,percnt):修剪平均。修整方式是去掉向量X中最大和最小的各0.5*percent% 个数据。
  • std(A,FLAG,dim):计算标准差。A:A只有一行,则输出一行的标准差,如果是矩阵,则输出每一列的标准差。FLAG:表示标注公差时是要除以n(FLAG=0)还是n-1(FLAG=1)。dim:表示维数,等于1时则按列分,等于2时则按行分,等于3时则按第三维分。

    默认std为std(A,0,1)。

  • var(A ,FLAG,dim):计算方差。
  • cov(X,Y):输出协方差矩阵。
  • corrcoef(X,Y):输出相关系数矩阵。

 

  • [m,v]=binostat(N,P):计算二项分布的期望和方差。
  • [m,v]=expstat(mu):计算指数分布的期望和方差。
  • [m,v]=normstat(mu,sigma):计算正态分布的期望和方差。
  • [m,v]=poisstat(lambda):计算泊松分布的期望和方差。
  • [m,v]=wblstat(A,B):计算威布尔分布的期望和方差。

 

4、统计作图

scatter/scatter3:绘制离散点图,可对散点单独设置;

plot:绘制线图、散点图。

  • tabulate(A):输出正整数的频率表。其中A中元素需为正整数。
  • [h,stats] = cdfplot(X):绘制经验分布函数图像。输入的为样本数据向量X。输出图形句柄h。以及重要的统计量:样本最小值(stats.min)、样本最大值(stats.max)、样本均值(stats.mean)、样本中值(stats.median)、样本标准差(stats.std)。
  • lsline:最小二乘拟合直线。h=
    lsline为直线的句柄(用来设置图形的颜色等参数)。
  • normplot(X):显示正态分布概率图。若X为矩阵,则显示每一列的正态分布概率图形。样本数据在图中用"+"显示;如果数据来自正态分布,则图形显示为直线,而其它分布可能在图中产生弯曲。h=normplot(X):绘图直线的句柄。
  • weibplot(X);显示威布尔概率图形,同上述正态分布语句。
    • refline(slope,intercept) :在当前图形中加一条参考线。slope:直线斜率,intercept:截距。
    • refcurve(p):在当前图形中加一条多项式曲线。多项式系数p=[p1,p2,…,pn]。
    • p = capaplot(data,specs) :输出样本概率图形、概率p。data:所给样本数据,specs:指定范围,p:在指定范围内的概率。
    • ceil(A):输出A中每个元素向离它最近的大整数圆整。如-1.9取-1;1.1取2。
    • [ni,ak]=hist(data,k):输出各组数据频率ni,数据组的区间位置值(组中值)ak。输入k为小组个数。当无参数输出时,则直接输出直方图。
    • histfit(data):附加有有正态密度曲线的直方图,输出直方图。

      histfit(data,nbins):输出直方图,nibin为指定的直方个数。

      例:Histfit.m

      moni.m

    • p=normspec(specs,mu,sigma):输出在指定界线之间画正态密度曲线、概率。specs:指定界线,mu,sigma:正态分布的参数,p :样本落在上,下界之间的概率。
    • gscatter(x,y,g,'clr','sym',siz,'doleg'):散度图,h=gscatter为图形中直线的句柄。x,y是具有相同大小的向量,g是组的标记,'clr','sym'是绘图的颜色和符号,siz是大小的向量,'doleg'控制是否显示图的标记。
  • boxplot:产生样本数据盒图。

    盒图是由五个数值点组成:最小值(min),下四分位数(Q1),中位数(median),上四分位数(Q3),最大值(max)。也可以往盒图里面加入平均值(mean)。如图。下四分位数、中位数、上四分位数组成一个"带有隔间的盒子"。上四分位数到最大值之间建立一条延伸线,这个延伸线成为"胡须(whisker)"。

    • boxplot(X) :产生矩阵X的每一列的盒图和"须"图。
    • boxplot(X,notch) :当notch=1时,产生一凹盒图,notch=0时产生一矩箱图。
    • 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)。
    • boxplot(X,notch,'sym',vert,whis) :whis定义"须"图的长度,默认值为1.5,若whis=0则boxplot函数通过绘制sym符号图来显示盒外的所有数据值。

    例:Boxplot.m

     

Matlab 数理统计的更多相关文章

  1. MATLAB中的概率论与数理统计

    概率论与数理统计 产生随机数 binornd poissrnd exprnd unidrnd normrnd 概率密度函数(pdf) binopdf poisspdf geopdf unidpdf n ...

  2. [软件推荐、资料分享]MATLAB

    MATLAB是美国MathWorks公司出品的商业数学软件,用于算法开发.数据可视化.数据分析以及数值计算的高级技术计算语言和交互式环境,主要包括MATLAB和Simulink两大部分. Matlab ...

  3. 经典功率谱估计及Matlab仿真

    原文出自:http://www.cnblogs.com/jacklu/p/5140913.html 功率谱估计在分析平稳各态遍历随机信号频率成分领域被广泛使用,并且已被成功应用到雷达信号处理.故障诊断 ...

  4. 【概率论与数理统计】小结3 - 一维离散型随机变量及其Python实现

    注:上一小节对随机变量做了一个概述,这一节主要记录一维离散型随机变量以及关于它们的一些性质.对于概率论与数理统计方面的计算及可视化,主要的Python包有scipy, numpy和matplotlib ...

  5. PCA (主成分分析)详解 (写给初学者) 结合matlab(转载)

    一.简介 PCA(Principal Components Analysis)即主成分分析,是图像处理中经常用到的降维方法,大家知道,我们在处理有关数字图像处理方面的问题时,比如经常用的图像的查询问题 ...

  6. (转) 经典功率谱估计及Matlab仿真

    原文出自:http://www.cnblogs.com/jacklu/p/5140913.html 功率谱估计在分析平稳各态遍历随机信号频率成分领域被广泛使用,并且已被成功应用到雷达信号处理.故障诊断 ...

  7. MATLAB入门学习(七)

    开始,线性代数和微积分了,不怕.不怕. 背命令就行了... 线性代数 解线性方程组: Ax=b A是系数矩阵,x未知数,b是列向量 如果有唯一解,直接x=b\A 第二 B=null(A,'r')求Ax ...

  8. matlab实用教程

    苏金明.2005.电子工业     1 语句末尾加 : 可以不显示到屏. who 查看变量 whos 列出变量信息 exist t 判断变量是否在空间中. help 函数 doc 函数 : doc f ...

  9. matlab仿真随机数的产生

    概率论和数理统计实验(matlab中实现) 一.伯努利分布 R=binornd(N,P); //N,P为二次分布的俩个参数,返回服从参数为N,P的二项分布的随机数,且N,P,R的形式相同. R=bin ...

随机推荐

  1. autoIT 自动化上传/下载文件图文详解【python selenium】

    情景: 在用selenium进行web页面自动化时,时不时会遇到上传附件的情况,常见的情况就是一个上传按钮,点击后弹出windows窗口,选择文件后上传,如下图1所示 图1 这种情况超出了seleni ...

  2. POJ3169 Layout(差分约束系统)

    POJ3169 Layout 题意: n头牛编号为1到n,按照编号的顺序排成一列,每两头牛的之间的距离 >= 0.这些牛的距离存在着一些约束关系:1.有ml组(u, v, w)的约束关系,表示牛 ...

  3. 关于 Head First SQL 中文版

    我想谈谈 我对于Head  First  SQL  中文版的一些看法 事实上关于我翻译的这个Head  First  SQL 中文版..我自觉得:的确翻译得非常烂.. 和翻译Head  First  ...

  4. SEO为什么越来越难?

    不是很长的折腾seo该,无脑想如何很长的头发外链,一方面,没有花费的时间SEO在,另一方面SEO越来越难,的另一个方面,也SEO特征,不可控和不可预测性,致使我们花了非常多的情况下,SEO大部分时间都 ...

  5. Android技术精髓-Bitmap详解

    Bitmap (android.graphics.Bitmap) Bitmap是Android系统中的图像处理的最重要类之一.用它可以获取图像文件信息,进行图像剪切.旋转.缩放等操作,并可以指定格式保 ...

  6. Win10中英文的切换

    在UAP中,涉及到中英文版本切换,在string目录下面添加资源str 读取的时候 new Windows.ApplicationModel.Resources.ResourceLoader().Ge ...

  7. Mysql数据库一个小程序实现自动创建分表。

    每当跨月的时候也是系统出问题最多的时候,没有表和字段缺失是两个最常见的错误. 为了解决这个问题,研究了一下mysql的 information_schema 表: information_schema ...

  8. urlwrite伪静态(SAE、PHP、JSP)

    在SAE里,直接配置config.yaml文件,文件可以配置的内容包含: 目录默认页面 自定义错误页面 压缩 页面重定向 页面过期 设置响应Header的Content-Type appname: x ...

  9. springmvc常见注解模式

    常用注解元素 @Controller 标注在Bean的类定义处 @RequestMapping 真正让Bean具备 Spring MVC Controller 功能的是 @RequestMapping ...

  10. 你好,C++(4)2.1.3 我的父亲母亲:编译器和链接器 2.1.4 C++程序执行背后的故事

    2.1.3  我的父亲母亲:编译器和链接器 从表面上看,我是由Visual Studio创建的,而实际上,真正负责编译源代码创建生成可执行程序HelloWorld.exe的却是Visual Studi ...