Matlab学习日志——初阶概率统计

%%
%数据统计与分析
%产生随机变量，计算概率密度，计算概率分布，概率统计特征，有关概率的作图
%%
%产生随机变量
n=10:10:60;
R=binornd(n,1./n,1,6)%服从二项分布随即数据
N=normrnd(0,1,1,6)%服从正态分布随机数句
%%
%计算概率密度f(t0)
%系统函数概率密度的计算pdf()
%自定义函数概率密度计算ksdensity()
clear;
clc;
n=1:1000;
f1=pdf('norm',-5:5,0,1)%正态分布-5到5这11个数的概率密度函数值
f2=pdf('poiss',0:4,1:5)%泊松分布。。。
ft=sin((n*pi)/500);
[f3 ti]=ksdensity(ft)%由离散的函数值得到一些自变量ti和对应的概率密度
plot(ti,f3,'o:');%该函数ft的概率密度图
axis tight;
%专用函数特有的计算概率密度的函数
f4=normpdf(-5:5,0,1);
if(f1==f4)
    disp('对的');
end
%%
%概率分布F(X)
%系统函数概率分布计算函数cdf()
%自定义函数概率密度计算ksdensity()加参数
clear;
clc;
n=1:1000;
F1=cdf('norm',-5:5,0,1)%正态分布-5到5这11个数的累计概率分布函数值F()
F2=cdf('poiss',0:4,1:5)%
ft=sin((n*pi)/500);
[F3 xi]=ksdensity(ft,'function','cdf')%由离散的函数值ft得到自变量ti和对应的累计概率分布函数值
plot(xi,F3);%该函数ft的累计概率分布函数图F()
axis tight;
%专用函数计算分布
F4=normcdf(-5:5,0,1)
if(F1==F4)
    disp('对的');
end
%由累计概率分布函数F()求概率,区间【-1，1】
F4=normcdf([-1,1],0,1)
P=F4(2)-F4(1)
%%
%求统计特征值
%注意matlab求各个统计特征值默认为样本统计无偏估计值
clear;
clc;
A=magic(5);
M1=mean(A)
M2=median(A)
M3=nanmedian(A)
M4=geomean(A)
M5=harmmean(A)
Y1=sort(A)
Y2=sortrows(A)
Y3=range(A)
%方差标准差
clc;
B=randn(8,2);
D0=var(B)%默认B向量为部分样本，估计方差
var(B(:,1))
D1=var(B,1)%B向量为总体
S0=std(B)
sqrt(D0)
S1=std(B,1)%B向量为数据总体
%协方差相关系数
clc;
%以矩阵做参数，则每一列是为一组变量，返回各个列相互之间的协方差和对应相关系数
%以对角矩阵的形式存储结果
clear;
clc;
A=rand(10,5);
C=cov(A)
cov(A(:,2),A(:,3))
R=corrcoef(A)
%相关系数验证一下
C(2,3)/(std(A(:,2))*std(A(:,3)))
R(2,3)
%%
%统计作图
clear;
clc;
%频率表tabulate()
X=[1 1 1 1 2 2 2 3 4 5 6 7 8 9 9 9 0 0 0]
tabulate(X)
%做累计概率分布函数F(X)图像
n=1:50;
ft=sin((n*pi)/500);
figure;
hold on;
h=cdfplot(ft);%图线句柄
set(h,'color','b');
[F3 xi]=ksdensity(ft,'function','cdf')%由离散的函数值ft得到自变量ti和对应的累计概率分布函数值
plot(xi,F3,'--');%该函数ft的累计概率分布函数图F()
hold off;
%最小二乘拟合图
x=1:10;
y1=x+randn(1,10)/2;figure;
hold on;
scatter(x,y1,'b','*');
y2=3.*x+randn(1,10);
scatter(x,y2,'g','o');
lsline;
%绘制参考直线
refline(0,mean(y1));
refline(0,mean(y2));
hold off;
%正态分布的概率图
N=normrnd(0,1,1,100)%服从正态分布随机数
figure;
normplot(N);%纵坐标为概率
%正太拟合直方图
figure;
histfit(N,20);
%样本数据的合图
figure;
X=randn(100,10);
boxplot(X);
%做f(t)图形,标注指定区间
figure;
D=normrnd(0,1,1,100);
capaplot(D,[-0.6,0.6])