稳定概率方程matlab仿真,基于Matlab的概率论仿真实验

-61- C语言通常用命令rand()和srand()组合生成随机数，仅能生成均匀分布的随机数，如果要生成其它类型的随机数，要借助于统计计算方法[1]，自己编写程序。而Matlab 语言则提供了异常丰富的随机数生成命令rand () 、random()、binornd()、frnd()、geornd()、normrnd()、poissrnd()、trnd()、unifrnd()⋯⋯，囊括了几乎所有常见的分布，借助于Matlab，我们可以直接生成指定参数的任何常见分布类型的随机数，这为做实验带来很大的便利。在做随机仿真实验时，实验者可以有更多的精力专注于模拟问题本身，而不必关心一些底层问题，因此Matlab语言是做 随机仿真的不二之选。 本文针对概率论教学中几个比较抽象的结论，通过matlab 仿真，将结论用图形模拟出来，通过图形这种形象的方式，加深巩固理解概率论定理。 1、随机变量函数的分布 有些时候，随机变量本身不能直接测量得到，但是它可能是能够测量到的随机变量的函数，在实际中，常常对随机变量的函数感兴趣。随机变量的函数的取值范围比较容易得到，但是其分布通常并不直观。 教学中，我们通常考虑的函数有最大值、最小值、和、商，共四种情形。主要讨论由自变量的统计规律来推导函数的统计规律，由于随机变量内在的随机特性，其函数的统计规律往往理解起来较为抽象，一般要从公式推导才能得到。大数定律告诉我们，随着实验次数的增加，事件发生的频率稳定于事件发生的概率，因此利用Matlab做随机实验的仿真，可以借助于随机变量的频率分布图来观察随机变量函数的概率分布规律。以下为四种常见函数的仿真： 自变量均采用均匀分布，即：X～U(0, 1)，Y～U(0,1),考虑Min(X,Y)、Max(X,Y)、X+Y、X/Y的分布。以Min(X,Y)为例，matlab 仿真程序如下： %min(X,Y)频率分布图n=100000; datas = rand(2,n) ; s = min(datas); st = hist(s,20); bar(0:1/19:1,st/n)%end 基于Matlab 的概率论仿真实验 杨宇明 电子科大数学科学学院，四川 成都 610054 Probability Theory Simulation On Matlab Yang Yuming University of Electronic Science and Technology of China, Chengdu,Sichuan,610054,China 摘 要 概率论中有些重要的结论在直观上比较抽象，接受起来较为困难。本文就其中几个结论通过Matlab仿真，将其以形象的方式展示出来，使得结论更易于理解。关键词 matlab 仿真; 概率论; 函数分布; 中心极限定理 Abstract Some important conclusions in probability theory are abstract, they are difficult to accept. This paper vividly displayed them by simulation on matlab, makes the conclusions more easily understood. Key words simulation on Matlab; probability theory; the distribution of function; central limit theorem 该例做了1000