matlab在逆概率统计中的应用 例题,matlab在数理统计中的运用.doc

matlab在数理统计中的运用.doc

MATLAB在数理统计中的运用摘要概率论与数理统计是现代数学的重要分支，近年来随着计算机的普及，概率论在经济，管理，金融，保险，生物，医学等方面都发挥着越来越大的作用。使得概率统计成为今天各类各专业大学生最重要的数学必修课之一。然而,传统的概率统计教学过于偏重理论的阐述、公式的推导、繁琐的初等运算同时,缺乏与计算机的结合,给学生的学习带来很多困难。本文介绍概率统计中的主要问题在MATLAB中的实现,让我们从繁琐的计算中解放出来,把更多的时间和精力用于基本概念和基本理论的思考和方法的创新,从而提高教师的教学效率和学生的学习效率。关键词区间估计，MATLAB，概率统计一、常用概率密度的计算MATLAB中计算某种概率分布在指定点的概率密度的函数,都以代表特定概率分布的字母开头,以PDFPROBABILITYDENSITYFUNCTION结尾,例如UNIDPDFX,N计算1到N上的离散均匀分布在X每一点处的概率密度POISSPDFX,LAMBDA计算参数为LAMBDA的泊松分布在X每一点处的概率密度EXPPDFX,MU计算参数为MU的指数分布在X每一点处的概率密度NORMPDFX,MU,SIGMA计算参数为MU,SIGMA的正态分布在X每一点处的概率密度。其他如连续均匀分布、二项分布、超几何分布等也都有相应的计算概率密度的函数。除计算概率密度的函数外,MATLAB中还有计算累积概率密度、逆概率分布函数及产生服从某分布的随机数的函数,分别以CDF,INV和RND结尾。下面我们来用一个具体的例子说明一下例1计算正态分布N(0，1)的随机变量X在点06578的密度函数值。解PDF NORM ,06578,0,1ANS03213例2自由度为8的卡方分布，在点218处的密度函数值。解PDF CHI2 ,218,8ANS00363二、随机变量数字特征的计算一数学期望与方差对离散型随机变量,可利用MATLAB矩阵运算计算出其数学期望和方差而对于连续型随机变量,则可以利用MATLAB符号运行计算。对常见分布,MATLAB还有专用的函数计算其期望与方差,如BINOSTAT,EXPSTAT,NORMSTAT,POISSTAT可用于计算二项分布、指数分布、正态分布和泊松的期望和方差。另外,MATLAB中提供了计算方差和标准差的函数VAR与STD。例3求下列样本的样本方差和样本标准差，方差和标准差14701521149015321532解X1471521149149115321532DXVARX,1得到DX00559X1471521149149115321532SIGMASTDX,1得到SIGMA02364X1471521149149115321532DX1VARX得到DX100671X1471521149149115321532SIGMA1STDX得到SIGMA102590二协方差与协方差矩阵MATLAB中,函数COVX用于计算随机变量的协方差或协方差矩阵。例4已知矩阵A123401173，求它的协方差矩阵解A123401173A123401173C1COVA(求矩阵A的协方差矩阵)C13000045000400004500013000060000400006000053333C2VARA,1求A的第1列向量的方差C23三、样本统计量及其分布一样本统计量及经验分布函数MATLAB中,函数H,STATSCDFPLOTX返回样本经验分布函数图像和样本数据的几个重要统计量,包括最小值、最大值、均值、中值和标准差。下面我们来看一个例题例5用MATLAB软件绘出Γ分布的函数图像XGAMINV00050010995,100,10YGAMPDFX,100,10Y1NORMPDFX,1000,100PLOTX,Y, ,X,Y1, 四、参数估计对服从正态分布NU,Б2的观测数据向量X,MATLAB中用函数NORMFIT或MEL来估计其参数和置信区间,而函数MLE也可以用来估计服从其他分布的样本数据的参数和出置信区间。命令REXPRND3,1,10返回一组服从参数为3的指数分布的随机数,容量为10P,PCIMLE EXPONENTIAL ,R,005则返回其均值的极大似然估计P43756及其置信水平为1005095的置信区间25611,91247对于服从二项分布、指数分布、泊松分布和均匀分布等其它常见分布的数据,MATLAB也有相应的计算极大似然估计和置信区间的函数,分别为BINOFIT,EXPFIT,POISSFIT,UNIFIT等,其用法与NORMFIT相似。例6从某厂生产的滚珠中随机抽取10个，测得滚珠的直径(单位MM)如下146150147151149148150151152148若滚珠直径服从正态分布，并且已知2,N(MM)，求滚珠直径均值的置信水平为95的置信区间。016解样本均值1492X置信水平095，05查表得(可利用查表)/2056ZZT的置信水平为95的置信区间为/214960XZN即10,4821,509MATLAB解决程序ALPHA005SIGMA016X146150147151149148150151152148NLENGTHXMUMEANXUNORMINV1ALPHA/2,01MUCIMUUSQRTSIGMA2/N,MUUSQRTSIGMA2/N结果MU149200MUCI148158150242可以观察得出计算得到的结果和MATLAB编程得到的结果是大致相同的五、假设检验对于假设检验,在MATLAB中可以利用逆累积分布函数如逆正态累积分布函数NORMINV,结合简单的计算给出检验结果。但MATLAB中也有专门用于假设检验的函数对方差已知时的单个样本均值检验可以用ZTEST,对单个样本均值可以用TTEST,对两个样本均值差可以用TTEST2等。例7某车间用一台包装机包装葡萄糖，包得的袋装糖重是一个随机变量，它服从正态分布。当机器正常时，其均值为05公斤，标准差为0015。某日开工后检验包装机是否正常，随机地抽取所包装的糖9袋，称得净重为(公斤)0497,0506,0518,0524,0498,0511,052,0515,0512问机器是否正常解以U，Δ分别表示这一天袋装糖重总体X的均值和标准差。由于长期实践表明标准差比较稳定我们就设，这2,015NU里U未知。问题是根据样本值来判断U05，还是U≠05。所以我们提出两个对立假设01052,05HUZ样本均值051X考虑统计量，当为真时，N(0,1)0H0XUZN令K,若≥K，则拒绝,若≤K，则接受2Z0XUN0H0XUZN。0H取005，K196，N9，00150XUZN52所以22＞1960X所以拒绝，认为包装机工作不正常0HMATLAB编程如下X0497,0506,0518,0524,0498,0511,052,0515,0512H,SIG,CI,ZVALZTESTX,05,0015,005,0得到结果H1SIG00248样本观察值的概率CI0501405210置信区间，均值05在此区间之外ZVAL22444统计量的值结果表明H1，说明在水平