matlab与系统仿真,MATLAB与系统仿真14.ppt

MATLAB与系统仿真14

例 求向量x的最大值。 求矩阵A的最大值的函数有3种调用格式，分别是： 9.2.3 参数估计 利用样本对总体进行统计推断主要有两大类，一类是参数估计，另一类是检验函数估计。估计的问题是多种多样的，如总体参数的估计、分布函数和密度函数的估计等。估计的方法也很多，如最大似然方法、矩估计法、最小二乘法等等。在MATLAB中用于参数估计的函数见下表。 指数分布的最大似然估计；a水平的参数估计和置信区间 expfit(X) [MUHAT,MUCI]=expfit(X,ALPHA) expfit 二项分布的最大似然估计；a水平的参数估计和置信区间 binofit(X,N) [PHAT,PCI]=binofit(X,N,ALPHA) binofit 返回b分布的最大似然估计；返回最大似然估计值和a水平的置信区间 betafit(X) [PRAT,PCI]=betafit(X,ALPHA) betafit 函数注释 调用形式 函数名 韦伯分布的最大似然估计；a水平参数区间的估计. weibfit(DATA,ALPHA) [PHAT,PCI]=weibfit(DATA, ALPHA) weibfit 均匀分布的最大似然估计；a水平参数区间的估计. Unifit(X,ALPHA) [AHAT,BHAT,ACI,BCI]= unifit(X,ALPHA) unifit 泊松分布的最大似然估计；a水平参数区间的估计. Poissfit(X) [LAMBDAHAT,LAMBDACI]= POISSfit(XALPHA) poissfit 正态分布的最大似然估计；a水平的期望，方差值和区间的估计 Normfit(X,ALPHA) [MUHAT,SIGMAHAT,MUCI, SIGMACI]=normfit(X,ALPHA) normfit DISP分布的最大似然估计；返回最大似然估计值和a水平的置信区间 PHAT=mel(DIST,DATA) [PHAT,PCI]=MLB(DIST,DATA,ALPHA,PI) mle 返回g分布的最大似然估计；返回最大似然估计值和a水平的置信区间. gamfit(X) [PHAT,PCI]=gamfit(X,ALPHA) gamfit 函数注释 调用形式 函数名 >> time=[6.0,5.7,5.8,6.5,7.5,6.3,5.6,6.1,5.0]; >> [MUHAT,SIGMAHAT,MUCI,SIGMACI]=normfit(time,0.05) 例 假设某种清漆的9个样品，其干燥时间(以小时计)分别为6.0，5.7，5.8，6.5，7.5，6.3，5.6，6.1，5.0。设干燥时间总体服从正态分布N(m,s2)，求m和s的置信度为0.95的置信区间(s未知)。 此解说明m的估计值为6.0556，估计区间为[5.5215,6.5896]，s的估计值为0.6948，估计区间为[0.4693,1.3311]。 正态分布参数估计 调和平均数：Hn=n/(1/a1+1/a2+...+1/an)几何平均数：Gn=(a1a2...an)^(1/n) 算术平均数：An=(a1+a2+...+an)/n平方平均数：Qn=√ [(a1^2+a2^2+...+an^2)/n]这四种平均数满足 Hn ≤ Gn ≤ An ≤ Qn 累积和累和 求向量或矩阵的元素累积或累和运算是比较常用的两种运算，在MATLAB中可由以下函数实现： sum 求向量或矩阵元素的累和 nansum 忽略NAN求向量或矩阵的元素累和 cumsum 求此元素位置以前的元素和 cumtrapz 梯形累和函数 cumprod 求当前元素与所有前面位置的元素的积 方差和标准差 对于一组采样数据，有时只从其累和或均值中还不能判断它们的质量好坏，为了表征随机变量与其均值的偏离程度，我们引入了方差或标准方差(标准差)。 方差表示为 标准差表示为 对于样本来说，样本方差为 标准差为 其中dim取1或2。当dim=1时，求各列元素的标准方差；当dim=2时，则求各行元素的标准方差。flag取0或1，当flag=0时，置前因子为1/(n－1)，当flag=1时，按置前因子为1/n计算标准方差。缺省flag=0，dim=1。 std(A,flag,dim) 在MATLAB中，提供了计算数据序列的方差和标准方差函数。其一般调用格式为： 对于向量X，std(X)返回一个标准方差。对于矩阵A，std(A)返回一个行向量，它的各个元素便是矩阵A各列或各