matlab在概率论与数理统计中的应用

Ⅰ.matlab求置信区间

例：一批产品，从中随机抽取10件，称得其质量（单位：克）为506，503，499，505，510，498，496，502，507，501。设产品质量近似正态分布，求总体均值和标准差的置信区间（置信度取95%）

程序：

x=[506,503,499,505,510,498,496,502,507,501]
[a,b,ar,br]=normfit(x,1-0.95)  %a为总体均值，b为标准差，ar为总体均值置信区间，br为标准差置信区间

结果：

x = 506   503   499   505   510   498   496   502   507   501

a = 502.7000

b = 4.3729

ar =
  499.5718
  505.8282

br =
    3.0078
    7.9832

Ⅱ.matlab求二项分布概率值

例：产品中次品率为0.005，任意抽取1000件，X表示抽取的次品数，近似服从二项分布B(1000，0.005)

1）求至少两件次品的概率，即P(X≥2)=1-P(X<2)=1-P(X≤1)

2）求不超过10件次品的概率，即P(X≤10)

3）能以95%以上的概率保证次品数不超过多少？即P(X≤n)≥95%，求P(X≤n)=95%即可

程序：

%问题一
p1=1-binocdf(1,1000,0.005)
%问题二
p2=binocdf(10,1000,0.005)
%问题三
n=binocdf(0.95,1000,0.005)

结果：

p1 = 0.9599
p2 = 0.9865
n = 0.0067

Ⅲ.matlab求泊松分布概率值

例：产品中，一等品占20%，随机抽取8000件产品，求样本中一等品所占比例与总体中一等品所占比例20%之差绝对值小于1%的概率

程序：

p=poisscdf(8000*0.21,8000*0.20)-poisscdf(8000*0.19,8000*0.20)

结果：

p = 0.9545

Ⅳ.matlab求正态分布概率值

例：设X~N(5,4)

1）求P(X<3)，P(1<X≤3)

2）已知P(X<a)=P(X<a)，求a

3）绘制概率密度图

程序：

%问题一
p1=normcdf(3,5,4)
p2=normcdf(3,5,4)-normcdf(1,5,4)
%问题二
a=norminv(0.5,5,4)  %P(X<a)=P(X<a)=0.5，即a所在位置是在正态分布图的中点
%问题三
x=-1:0.5:11;
y=normpdf(x,5,2);
plot(x,y)

结果：

p1 = 0.3085
p2 = 0.1499
a = 5

Ⅴ.matlab求随机变量的各项指标

例：一批产品，从中随机抽取10件，称得其质量（单位：克）为506，503，499，505，510，498，496，502，507，501。求样本的均值、方差、标准差、中位数、众数、最大值、最小值、极差（全距）、偏度、峰度、输出频数表

程序：

x=[506,503,499,505,510,498,496,502,507,501]
mean=mean(x)  %均值
var=var(x,1)  %方差
std=std(x,1)  %标准差
median=median(x)  %中位数
mode=mode(x)  %众数
max=max(x)  %最大值
min=min(x)  %最小值
range=range(x)  %极差
skewness=skewness(x)  %偏度
kurtosis=kurtosis(x)  %峰度
[n,y]=hist(x,5)  %频数表

结果：

x = 506   503   499   505   510   498   496   502   507   501
mean = 502.7000
var = 17.2100
std = 4.1485
median = 502.5000
mode = 496
max = 510
min = 496
range = 14
skewness = 0.0787
kurtosis = 2.0350
n = 2     2     2     3     1
y = 497.4000  500.2000  503.0000  505.8000  508.6000

Ⅵ.matlab进行假设检验

例：产品质量是一个随机变量，服从正态分布，正常情况下，均值μ为0.5kg，标准差σ为0.01kg，假定标准差σ不变，为检验产品是否正常生产，随机抽取10件产品，质量（单位：kg）分别为0.497，0.496，0.503，0.501，0.499，0.496，0.502，0.507，0.500，0.498，判断生产是否正常（显著性水平α=0.05）

原假设：H0：μ=0.5，H1：μ≠0.5

程序：

x=[0.497,0.496,0.503,0.501,0.499,0.496,0.502,0.507,0.500,0.498];
[h,p,mr,z]=ztest(x,0.5,0.01,0.05,0)
%假设检验的格式为：[h,p,mr,z]=ztest(x,mean,sigma,alpha,tail)
%x：检验数据
%mean：原假设的均值μ
%sigma：标准差σ
%alpha：显著性水平α
%tail：确定假设的情况
%当tail=0时，表示检验假设“总体的均值为μ”；
%当tail=1时，表示检验假设“总体的均值大于μ”；
%当tail=-1时，表示检验假设“总体的均值小于μ”
h=0接受原假设，h=1拒绝原假设

结果：

h = 0  %接受原假设，生产正常
p = 0.9748  %检验假设成立的概率
mr = 0.4937    0.5061  %均值的置信区间
z = -0.0316  %统计量的值