-61-
基于Matlab 的概率论仿真实验
可以看到,当z 在区间度是线性减函数,仿真结果与之吻合很好。再考虑一个离散的例子:抛掷两个均匀的骰子,考虑最小点数的分布。在等可能的点。
采用Matlab 做概率统计实验仿真,可以观察相互独立同分布的随机变量序列部分和的变化趋势,也可以观察二项分布中参数n 增大时的变化趋势。引导学生参与进来,一起编写、运行程序,最后观察结果,等同于让学生重新发现定理。经过这样一个过程,学生对理论的理解就深刻地多,运用起来也就熟练地多。
以p=0.7 ,n 分别取10、40、70为例,在同一图形窗口中显示二项分布分布律与相应正态分布概率密度曲线,如图5,程序如下:
%棣莫弗-拉普拉斯中心极限定理仿真p = 0.7;m=[];for n = 10:30:70
pf = pdf('bino',0:n,n,p);[4] plot(0:n,pf,'*'),hold on
pfn = pdf('norm',0:n,n*p,sqrt(n*p*(1 - p)));
plot(0:n,pfn,'r')
m=[m,mean(abs(pf-pfn))];end %end
仿真结果表明:二项分布会随着n 的增加,逐渐近似为正态分布,这种近似误差的绝对值的平均值有越来越小的趋势,这点从程序中m 各分量的变化趋势可以看出。而且,通过仿真实验,可以很容易得到二项分布近似成正态分布时的参数对应关系。至于列维-林德伯格中心极限定理的仿真,本文不再赘述,有兴趣的读者可以自己编写仿真程序。
3、结论
Matlab 做概率论仿真实验具有很大的优势,利用Matlab 可以写出简洁实用的仿真程序,实验结果可以通过Matlab 直观地可视化表现出来,抽象的结论通过Matlab 仿真更容易理解。仿真实验可以在教师课堂教学中增加教学效果,也可以让学生自学概率论时帮助理解内容。
参考文献
[1]茆诗松主编.统计手册[M].科学出版社,2003:1008-1014
[2]黎玉芳.中心极限定理的教学方法探讨.中国科技信息[J],2010(24),220-221[3]许芳中等.大数定律及中心极限定理的教学课程设计探讨.科技资讯[J],2010(36),227
图4
DOI :10.3969/j.issn.1001-8972.2011.22.022