概率分布及其统计特性

1.常见概率分布的随机数生成

---

1.1 命令行方式

---

1.beta分布

---

$\beta分布概率密度函数函数定义为$
$y=f(x|a,b)=\frac{1}{B(a,b)}x^{n-1}(1-x)^{b-1}I_{(0,1)}(x)$

---

$式中B(\cdot)是\beta函数，函数I_{(0,1)}(x)保证了仅仅当x在(0,1)内时才有非零的概率$

---

---

统计工具箱中函数为 betarnd.m.

例子

y3=betarnd(2,3,1,1000);
figure(1);
t=0:0.02:1;
hist(y3,t);
axis([0 1 0 100]);
xlabel('取值');
ylabel('计数值');

---

---

β分布特点及应用

贝塔分布（Beta Distribution) 定义如下：其中是贝塔函数，其定义为：是伽玛函数，贝塔分布是一个作为伯努利分布和二项式分布的共轭先验分布的密度函数，在机器学习和数理统计学中有重要应用。贝塔分布中的参数可以理解为伪计数，伯努利分布的似然函数可以表示为，表示一次事件发生的概率，它为贝塔有相同的形式，因此可以用贝塔分布作为其先验分布。

---

---

应用
1）心理学家认为，一个正常人在整个睡眠时间中，”异相”睡眠所占比例服从β分布
2）一条干净和河流，在给定的地点，溶解在水中氧气达到饱和的部分，服从β分布
3）一批商品在销售过程中，相对跌价服从β分布
4）空气中含有的气体状态的水分。表示这种水分的1种办法就是相对湿度。即现在的含水量与空气的最大含水量（饱和含水量）的比值。我们听到的天气预告用语中就经常使用相对湿度这个名词。

相对湿度的值显然仅能出现于0到1之间（经常用百分比表示）。而空气为什么出现某个相对湿度显然具有随机性（可以利用最复杂原理），这些提示我们空气的相对湿度可能符合贝塔分布。
马淑红等人完成的“塔里木气候极值及其在油田工程设计中的应用”研究中（同名的书由气象出版社于1995年出版见138-142页），刘绍民等人分析了冬季塔里木盆地的日最大相对湿度和夏季日最小相对湿度。证实它们都符合贝塔分布。

---

---

---

2.二项式分布

---

---

---

二项式分布概率密度函数函数定义为：
$y=f(x|n,p)=C_{n}^xp^xq^{1-x }I_{(0,1,...,n)}(x),q=1-p$
二项式分布式离散的，且仅仅零和小于n的整数的概率密度非零

---

---

统计工具箱中函数为 binornd.m.

例子

y3=binornd(100,0.5,[1 1000]);
figure(1);
t=0:2:100;
hist(y3,t);
axis([0 100 0 300]);
xlabel('取值');
ylabel('计数值');

---

---

---

应用

---

---

---

---

3.卡方分布

---

---

$\chi^{2}分布分布概率密度函数定义为$
$y=f(x | v)=\dfrac{x^{(v-2)/2}e^{-x/2}}{x^{v/2}\Gamma(v/2)}$
式中Γ(⋅)是γ函数，v是自<