利用 MATLAB 解决数理统计相关问题（一）

实验一

现在将这学期所做数理统计相关实验进行上传分享，以便大家参考，哪里有写的不对的地方，欢迎大家指正。

1.问题描述：

将A，B，C三个字母之一输入信道，输出为原字母的概率为α，而输出为其他字母的概率都是(1-α)/2。现输入ABCA,求输出所有情况以及其概率，概率α可自行赋值。

2.程序代码

prompt={"Please enter the probability of the original letter output"};
title= 'Input';
result = inputdlg(prompt,title);
t = str2num(char(result));      %conversion of input results
for n=65:67
    if (n==65)
        Pn = t;
    else
        Pn = 1-t;
    end
    for i=65:67
         if (i==66)
             Pi=t;
         else
             Pi = 1-t;
         end
        for j=65:67
             if (j==67)
                Pj= t;
             else
                Pj=1-t;
             end
            for k=65:67
                 if (k==65)
                     Pk= t;
                 else
                     Pk=1-t;
                 end
                B = char(i);
                p=[n B j k];              %calculate probability
                P= Pn*Pi*Pj*Pk; 
                stats = sprintf('Probability is = %.4f',P);                 %output probability   
                fprintf('%c ',p);        %output result 
                fprintf('       ');
                disp(stats) 
 
            end
        end
    end     
    
end

3.结果分析

我们对概率α赋值为1/3,从图1中我们可以很直观的得到所有的输出结果以及输出该结果的概率值。可以看出输出为ABCA的概率为0.0123。

实验二

1.问题描述

利用回归方程进行数据预测例题：为研究某一化学反应过程中温度对产品得率的影响，观测到数据如下表，求Y关于x的回归方程Y（x）,进行有关检验。

2.程序代码

%the solution of regression problem
clc,clear;
x1=[100:10:190]';
y=[45 51 54 61 66 70 74 78 85 89]';
figure(1)
plot(x1,y,'*')                          %draw a data scatter plot
hold on
x=[ones(10,1),x1];
[b,bint,r,rint,stats]=regress(y,x);     %draw fitting graph
x2=[100:190];
plot(x2,b(1)+b(2)*x2)                  %draw fitting graph
xlabel('x');
ylabel('y');
figure(2)
rcoplot(r,rint)                        %draw residual plot
A = sprintf('Slope(a)     =    %.4f.',b(2));
B = sprintf('intercept(b) = %.4f.',b(1));
disp(A);
disp(B);
bint
stats1 = sprintf('R =%.4f.',stats(1));
stats3=  sprintf('P =%.4f.',stats(3));
disp(stats1);
disp(stats3);

3.结果分析

从下图7中我们可以看出线性回归方程的斜率a为0.4830，截距为-2.7394，a的置信区间为 [-6.3056, 0.8268]；b的置信区间为[ 0.4589 , 0.5072]，R_2=1，p=0,说明回归效果显著。从图 8中，我们可以看出散点分布在一条直线附近，这与所求结论一致。

结语

仅供参考！