基于MATLAB的泊松分布,正态分布与伽玛分布(附完整代码与例题)_matlab泊松分布(2)

写在最后

在结束之际,我想重申的是,学习并非如攀登险峻高峰,而是如滴水穿石般的持久累积。尤其当我们步入工作岗位之后,持之以恒的学习变得愈发不易,如同在茫茫大海中独自划舟,稍有松懈便可能被巨浪吞噬。然而,对于我们程序员而言,学习是生存之本,是我们在激烈市场竞争中立于不败之地的关键。一旦停止学习,我们便如同逆水行舟,不进则退,终将被时代的洪流所淘汰。因此,不断汲取新知识,不仅是对自己的提升,更是对自己的一份珍贵投资。让我们不断磨砺自己,与时代共同进步,书写属于我们的辉煌篇章。

需要完整版PDF学习资源私我

网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。

需要这份系统化资料的朋友,可以点击这里获取

一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!

x=[0:15]';
%x为0~15之间的整数,注意需要通过’转为列向量
y1=[]; y2=[];
%要画两个图像
lam1=[1,2,5,10];
%lambda确定了,泊松分布就确定了
for i=1:length(lam1) %lam1的长度为4
y1=[y1,poisspdf(x,lam1(i))]; %lam1(i)代表调用集合lam1中的第i个元素
y2=[y2,poisscdf(x,lam1(i))];
end
plot(x,y1), figure; %figure命令可让其画两个图
plot(x,y2)


注意题目要求是画曲线,所以需要将这些点连起来。


泊松概率密度函数图:


![](https://img-blog.csdnimg.cn/direct/4081047a998541efac765b64c1cef9f3.png)


泊松分布的概率分布函数图:


![](https://img-blog.csdnimg.cn/direct/5ac48fe52414413bb2342357572aafe5.png)



## 二. 正态分布


### 2.1 理论部分


正态分布的概率密度函数如下:



![p(x)=\frac{1}{\sqrt{2\pi\sigma}}e^{-\frac{(x-\mu)^2}{2\sigma^2}}](https://latex.csdn.net/eq?p%28x%29%3D%5Cfrac%7B1%7D%7B%5Csqrt%7B2%5Cpi%5Csigma%7D%7De%5E%7B-%5Cfrac%7B%28x-%5Cmu%29%5E2%7D%7B2%5Csigma%5E2%7D%7D)


其中![\mu](https://latex.csdn.net/eq?%5Cmu)代表均值,![\sigma^2](https://latex.csdn.net/eq?%5Csigma%5E2)代表方差。


### 2.2 MATLAB函数模型


正态分布的概率密度函数,在MATLAB中可以直接调用:



y=normpdf(x,mu,sigma);

%给定x,mu,sigma的值,就可以直接求该点的概率密度值
%注意函数调用格式中的sigma使用的是标准差


分布函数(累积概率函数),在MATLAB中可以直接调用:



F=normcdf(x,mu,sigma);


如果给定分布函数值,反过来求x,则需要调用逆概率分布函数:



x=norminv(F,mu,sigma);


### 2.3 例题


分别绘制出![(\mu,\sigma^2)](https://latex.csdn.net/eq?%28%5Cmu%2C%5Csigma%5E2%29)为(-1,1),(0,0.1),(0,1),(0,10),(1,1)时,正态分布的概率密度函数与分布函数曲线。


MATLAB代码:



x=[-5:.02:5]';
y1=[];
y2=[];
mu1=[-1,0,0,0,1];
sig1=[1,0.1,1,10,1]; sig1=sqrt(sig1); %注意函数调用的是标准差
for i=1:length(mu1) %length(mu1)=5
y1=[y1,normpdf(x,mu1(i),sig1(i))];
y2=[y2,normcdf(x,mu1(i),sig1(i))];
end
plot(x,y1), figure;
plot(x,y2)


正态分布的概率密度函数图:


![](https://img-blog.csdnimg.cn/direct/d816b7f58803494d9f18958bce77d568.png)


根据对称轴的值,也就是均值的大小可以对应曲线代表的正态分布。方差越大,曲线越胖。



分布函数曲线图:


![](https://img-blog.csdnimg.cn/direct/bcd162eea7a24b60a1bdac825b0107b7.png)


函数严格单调递增。



## 三. 伽玛分布


### 3.1 理论部分


观察相邻两个事件之间时间间隔的分布情况,或者隔k个事件的时间间隔的分布情况。根据概率论,事件之间的时间间隔应符合伽玛分布,由于时间间隔可以是任意数值,因此伽玛分布是一种连续概率分布。又因为时间间隔不可能为负数,所以伽玛分布的x需要非负。


伽玛分布有的时候也会写做![\Gamma](https://latex.csdn.net/eq?%5CGamma)分布,其概率密度函数为:


![P_\Gamma(x)=\begin{cases} \frac{\lambda^ax^{a-1}}{\Gamma(a)}e^{-\lambda x},\quad &x\geq 0 \\ 0,\quad &x<0 \end{cases}](https://latex.csdn.net/eq?P_%5CGamma%28x%29%3D%5Cbegin%7Bcases%7D%20%5Cfrac%7B%5Clambda%5Eax%5E%7Ba-1%7D%7D%7B%5CGamma%28a%29%7De%5E%7B-%5Clambda%20x%7D%2C%5Cquad%20%26x%5Cgeq%200%20%5C%5C%200%2C%5Cquad%20%26x%3C0%20%5Cend%7Bcases%7D)


伽玛分布需要提前确定两个参数:a与![\lambda](https://latex.csdn.net/eq?%5Clambda).


上个式子中:


![\Gamma(a)=\int_0^\infty x^{a-1}e^{-x}dx](https://latex.csdn.net/eq?%5CGamma%28a%29%3D%5Cint_0%5E%5Cinfty%20x%5E%7Ba-1%7De%5E%7B-x%7Ddx)


在MATLAB可以调用积分函数来计算该值,也可以直接调用gamma()函数来计算,两种途径都可以。


该积分属于指数积分类型,有三个常用的结论:


![\Gamma(a)=a\Gamma(a-1)](https://latex.csdn.net/eq?%5CGamma%28a%29%3Da%5CGamma%28a-1%29)


![\Gamma(1)=1](https://latex.csdn.net/eq?%5CGamma%281%29%3D1)


![\Gamma(\frac{1}{2})=\pi](https://latex.csdn.net/eq?%5CGamma%28%5Cfrac%7B1%7D%7B2%7D%29%3D%5Cpi)



### 3.2 MATLAB函数模型


与泊松分布和正态分布类似,此处也有对应的三个函数,就不过多啰嗦了:



%概率密度函数
y=gampdf(x,a,lambda)

%概率分布函数
F=gamcdf(x,a,lambda)

%逆概率分布函数
x=gaminv(F,a,lambda)


### 3.3 例题


绘制![(a,\lambda)](https://latex.csdn.net/eq?%28a%2C%5Clambda%29)为(1,1),(1,0.5),(2,1),(1,2),(3,1)时伽玛分布的概率密度函数与分布函数曲线。


MATLAB代码:



x=[-0.5:.02:5]'; %图像x轴取值范围
y1=[]; y2=[];
a1=[1,1,2,1,3];
lam1=[1,0.5,1,2,1];
for i=1:length(a1)
y1=[y1,gampdf(x,a1(i),lam1(i))];
y2=[y2,gamcdf(x,a1(i),lam1(i))];
end
plot(x,y1), figure; plot(x,y2)





还有兄弟不知道网络安全面试可以提前刷题吗?费时一周整理的160+网络安全面试题,金九银十,做网络安全面试里的显眼包!


王岚嵚工程师面试题(附答案),只能帮兄弟们到这儿了!如果你能答对70%,找一个安全工作,问题不大。


对于有1-3年工作经验,想要跳槽的朋友来说,也是很好的温习资料!


【完整版领取方式在文末!!】


***93道网络安全面试题***


![](https://img-blog.csdnimg.cn/img_convert/6679c89ccd849f9504c48bb02882ef8d.png)








![](https://img-blog.csdnimg.cn/img_convert/07ce1a919614bde78921fb2f8ddf0c2f.png)





![](https://img-blog.csdnimg.cn/img_convert/44238619c3ba2d672b5b8dc4a529b01d.png)





内容实在太多,不一一截图了


### 黑客学习资源推荐


最后给大家分享一份全套的网络安全学习资料,给那些想学习 网络安全的小伙伴们一点帮助!


对于从来没有接触过网络安全的同学,我们帮你准备了详细的学习成长路线图。可以说是最科学最系统的学习路线,大家跟着这个大的方向学习准没问题。


😝朋友们如果有需要的话,可以联系领取~

#### 1️⃣零基础入门


##### ① 学习路线


对于从来没有接触过网络安全的同学,我们帮你准备了详细的**学习成长路线图**。可以说是**最科学最系统的学习路线**,大家跟着这个大的方向学习准没问题。


![image](https://img-blog.csdnimg.cn/img_convert/acb3c4714e29498573a58a3c79c775da.gif#pic_center)


##### ② 路线对应学习视频


同时每个成长路线对应的板块都有配套的视频提供:


![image-20231025112050764](https://img-blog.csdnimg.cn/874ad4fd3dbe4f6bb3bff17885655014.png#pic_center)


#### 2️⃣视频配套工具&国内外网安书籍、文档


##### ① 工具


![](https://img-blog.csdnimg.cn/img_convert/d3f08d9a26927e48b1332a38401b3369.png#pic_center)


##### ② 视频


![image1](https://img-blog.csdnimg.cn/img_convert/f18acc028dc224b7ace77f2e260ba222.png#pic_center)


##### ③ 书籍


![image2](https://img-blog.csdnimg.cn/img_convert/769b7e13b39771b3a6e4397753dab12e.png#pic_center)

资源较为敏感,未展示全面,需要的最下面获取

![在这里插入图片描述](https://img-blog.csdnimg.cn/e4f9ac066e8c485f8407a99619f9c5b5.png#pic_center)![在这里插入图片描述](https://img-blog.csdnimg.cn/111f5462e7df433b981dc2430bb9ad39.png#pic_center)


##### ② 简历模板


![在这里插入图片描述](https://img-blog.csdnimg.cn/504b8be96bfa4dfb8befc2af49aabfa2.png#pic_center)

 **因篇幅有限,资料较为敏感仅展示部分资料,添加上方即可获取👆**




**网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。**

**[需要这份系统化资料的朋友,可以点击这里获取](https://bbs.csdn.net/forums/4f45ff00ff254613a03fab5e56a57acb)**

**一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!**

  • 13
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值