matlab概率随机,MATLAB 根据样本随机数求曲线概率

[转载]

原文出处：http://blog.csdn.net/lqhbupt/article/details/24737029

相关Matlab函数：hist, bar, cdfplot, ksdensity

(1) hist函数n = hist(Y, x)

如果x是一个向量，返回x的长度个以x为中心的，Y的分布情况。

例如：如果x是一个5元素的向量，返回Y在以x为中心的，x长度个范围内数据直方分布。[n,xout]

= hist(...)

返回n和xout，包含有数目频率和间隔位置。可以使用bar(xout,

n)来绘制直方图。

(2) bar函数绘制条形图。

bar(X,Y)

将Y矩阵的每一行化成一组条形图，条形图组数为行数；每组条形图数目为X矩阵的列数。

X指定条形图的中心位置，不能有重复的数。

(3)

cdfplot函数​

格式 cdfplot(X) %作样本X(向量)的累积分布函数图形

[h,stats] = cdfplot(X) %stats表示样本的一些特征

(4) ksdensity函数

如果你得到一堆数，你想知道它们的大致分布，可以使用kedensity函数解决这个问题。命令如下：

[f,xi]=ksdensity(x)

plot(xi,f)

其中，f是估计的密度值，而xi是一个辅助参数，用来决定画出图形的取值区间，简言之，xi大致涵盖了x的取值区间。看过图形之后，开始对分布有大概的直观印象，然后可以用比如normfit命令来获得相关的参数估值。

示例1： 使用hist估计cdfhist

是统计数据在指定的区间内分布的个数，这个分布的个数体现的是随机变量的分布状况，如果你的数据量足够多的话，hist

的结果可以用于估算随机变量的 cdf。

dx = 0.001;

Num = 100000;

x = -4:dx:4;

y = randn(Num,1);

[n,xout] = hist(y,x);

cdf = cumsum(n)/Num;

plot(x,cdf,'b-','LineWidth',6);

hold on

plot(x,normcdf(x,0,1),'r-','LineWidth',2)

legend('Empirical CDF via hist', 'Analytical CDF via

normpdf',4);

axis tight

示例2： 使用hist函数和导数定义估计pdf

随机数据给定的情况下，ksdensity 可以获得对 pdf 的较好的估计，它的算法是基于高斯核函数，估计较为准确。hist

只能粗略的估计 pdf (尽管 hist 估计cdf比较精确)，这是因为 hist 估计pdf的办法是先估计 cdf，cdf再求导得到

pdf，数值求导的过程容易引入较大的误差。比如，下面的办法是利用导数的定义来求导。求导公式为：

​dx = 0.001;

Num = 100000;

x = -4:dx:4;

y = randn(Num,1);

[n,xout] = hist(y,x);

pdf =

n/Num/dx;    %

导数定义bar(xout,pdf);

hold on

[f,xi] = ksdensity(y);

plot(xi,f,'ro','MarkerSize',8,'LineWidth',2);

plot(x, normpdf(x,0,1),'r-','LineWidth',2);

hold offlegend('Empirical PDF via hist','Empirical PDF

via ksdensity', 'Analytical PDF via normpdf');

axis tight

示例3：使用hist函数和求导函数gradient估计pdf​

dx = 0.001;

Num = 100000;

x = -4:dx:4;

y = randn(Num,1);

[f,xi] = ksdensity(y);

[n,xout] = hist(y,x);

cdf = cumsum(n)/Num;pdf

=gradient(cdf,dx);bar(xout(1:50:end),pdf(1:50:end));

hold on   %

每隔50点抽样，为了更清楚显示pdfplot(xi,f,'ro','MarkerSize',8,'LineWidth',2);

plot(x, normpdf(x,0,1),'r-','LineWidth',2);

hold off

legend('Empirical PDF via hist + gradient', 'Empirical

PDF via ksdensity','Analytical PDF via normpdf');

axis tight