一、产生随机变量
1.二项分布的随机数据的产生（binornd）
- R = binornd(N, P)
- R = binornd(N, P, m, n,…)
- R = binornd(N, P, [m, n,…])
其中，N,P是二项分布参数，返回服从参数为N,P的二项分布的随机数R；m指定随机数的个数，与R同维数；m,n分别表示R的行数和列数
|
1 2 3 4 5 6 7 8 9 10 11 12 |
>> n = 10 : 10 : 60; >> r = binornd(n,1./n,[1,6]) r = 0 1 1 0 1 1 >> r = binornd(n,.5,1,6) r = 3 12 14 21 25 29 |
2.正态分布的随机数据的产生（normrnd）
normrnd函数可以产生参数为μ、σ 的正态分布的随机数据
- R = normrnd(mu, sigma)
- R = normrnd(mu, sigma, m, n, …)
- R = normrnd(mu, sigma, [m, n, …])
该函数返回均值为mu，标准差为sigma的正态分布随机数据；m指定随机数的个数，n表示R的列数
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 |
>> n1 = normrnd(1:6, 1./(1:6)) n1 = -0.2305 2.0480 2.2408 3.9705 5.2116 6.0727 >> n2 = normrnd(0,1,[1 5]) n2 = 1.4115 -0.0146 -0.5378 -1.8348 2.6355 >> n3 = normrnd(0,1,[5 5]) n3 = 0.2908 -2.5245 0.4566 0.3342 0.0467 1.0656 -1.0063 -0.5062 0.3460 -1.0647 0.5352 -0.4242 -1.1846 -0.1195 0.0399 -0.3873 -0.6612 0.7818 0.7162 0.9169 -0.3196 0.7276 -0.0804 0.2279 -0.4088 |
二、概率密度计算
1.通用函数概率密度值（pdf、ksdensity）
pdf函数可以轻松计算概率密度
- y = pdf(name, X, A)
- y = pdf(name, X, A, B)
- y = pdf(name, X, A, B, C)
- y = pdf(obj, X)
其中，返回在x = X处，参数为A、B、C的概率密度值，对于不同的分布，参数的个数不同
name为分布函数名，其值可以在MATLAB中按如下方式获取：
在命令行窗口中输入
|
1 |
>> help pdf |
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 |
pdf Density function for a specified distribution. Y = pdf(NAME,X,A) returns an array of values of the probability density function for the one-parameter probability distribution specified by NAME with parameter values A, evaluated at the values in X. Y = pdf(NAME,X,A,B) or Y = pdf(NAME,X,A,B,C) returns values of the probability density function for a two- or three-parameter probability distribution with parameter values A, B (and C). The size of Y is the common size of the input arguments. A scalar input functions as a constant matrix of the same size as the other inputs. Each element of Y contains the probability density evaluated at the corresponding elements of the inputs. NAME can be: 'beta' or 'Beta', 'bino' or 'Binomial', 'burr' or 'Burr', 'chi2' or 'Chisquare', 'exp' or 'Exponential', 'ev' or 'Extreme Value', 'f' or 'F', 'gam' or 'Gamma', 'gev' or 'Generalized Extreme Value', 'gp' or 'Generalized Pareto', 'geo' or 'Geometric', 'hn' or 'Half Normal', 'hyge' or 'Hypergeometric', 'logn' or 'Lognormal', 'nbin' or 'Negative Binomial', 'ncf' or 'Noncentral F', 'nct' or 'Noncentral t', 'ncx2' or 'Noncentral Chi-square', 'norm' or 'Normal', 'poiss' or 'Poisson', 'rayl' or 'Rayleigh', 'stable'or 'Stable', 't' or 'T', 'unif' or 'Uniform', 'unid' or 'Discrete Uniform', 'wbl' or 'Weibull'. pdf is a generic function that accepts a distribution by name. It is faster to use a more specialized function when possible, such as NORMPDF for the normal distribution. See also cdf, icdf, mle, random. pdf 的参考页 名为 pdf 的其他函数 |
注：没错，就是pdf
ksdensity函数可以求取一般函数/数据的概率密度
- [f, xi] = ksdensity(x)
- f = ksdensity(x, xi)
- ksdensity(…)
- ksdensity(ax, …)
- [f, xi, u] = ksdensity(…)
- […] = ksdensity(… , ‘name’, value)
其中，x 为带统计的向量；xi 为计算概率密度的点；f为得到的概率密度；ax 指定绘制位置坐标轴对象；name和value 为可选属性及属性值
|
1 2 3 4 5 |
>> p1 = pdf('Normal',-2:2,0,1) p1 = 0.0540 0.2420 0.3989 0.2420 0.0540 |
2.专用函数概率密度值（’name’+pdf）
- Y = binopdf(X, N, P)：X为计算点；N为试验总次数；P为每次试验中事件发生的概率；Y为概率密度
其命名规则为‘name’+pdf。name 与上面的相同，即可调用相应的专用函数求概率密度值
三、累计概率分布
1.通用函数累计概率值（cdf）
cdf函数可以用来计算随机变量x≤X的概率之和（即累计概率值）
- Y = cdf(‘name’, X, A)
- Y = cdf(‘name’, X, A, B)
- Y = cdf(‘name’, X, A, B, C)
- Y = cdf(obj, X)
其中，返回在x = X处，参数为A、B、C的概率密度值，对于不同的分布，参数的个数不同
name为分布函数名，与pdf中name相同；obj为高斯联合分布对象
2.专用函数累计概率值（’name’+cdf）
其命名规则为‘name’+cdf。name 与上面的相同，即可调用相应的专用函数求累计概率值
转载请注明：燕骏博客 » MATLAB自学笔记（二十二）：概率统计1
赞赏作者
微信赞赏
支付宝赞赏
