西安交大概率论上机实验报告西安交通大学概率论实验报告.docx
《西安交大概率论上机实验报告西安交通大学概率论实验报告.docx》由会员分享,可在线阅读,更多相关《西安交大概率论上机实验报告西安交通大学概率论实验报告.docx(14页珍藏版)》请在冰点文库上搜索。
西安交大概率论上机实验报告西安交通大学概率论实验报告
概率论与数理统计
上机实验报告
一、实验内容
使用MATLAB软件进行验证性实验,掌握用MATLAB实现概率统计中的常见计算。
本次实验包括了对二维随机变量,各种分布函数及其图像以及频率直方图的考察。
1、列出常见分布的概率密度及分布函数的命令,并操作。
2、掷硬币150次,其中正面出现的概率为0.5,这150次中正面出现的次数记为
,
(1)试计算
的概率和
的概率;
(2)绘制分布函数图形和概率分布律图形。
3、用Matlab软件生成服从二项分布的随机数,并验证泊松定理。
4、设
是一个二维随机变量的联合概率密度函数,画出这一函数的联合概率密度图像。
5、来自某个总体的样本观察值如下,计算样本的样本均值、样本方差、画出频率直方图。
A=[16251920253324232024251715212226152322
2014161114281813273125241619232617143021
1816181920221922182626132113111923182428
1311251517182216131213110915182115121713
1412161008231811162813212212081521181616
1928191214192828281321281911151824181628
1915132214162420281818281413282924281418
1818082116243216281915181810121626181933
0811182723112222132814221826181632272524
1717283316202832192318281524282916171918]
6.利用Matlab软件模拟高尔顿板钉试验。
7.自己选择一个与以上问题不同类型的概率有关的建模题目,并解决。
二、实验目的
.要求能够利用MATLAB进行统计量的运算。
2.要求能够使用常见分布函数及其概率密度的命令语句。
3.要求能够利用MATLAB计算某随机变量的概率。
4.要求能够利用MATLAB绘制频率直方分布图。
三、试验任务及结果
1.列出常见分布的概率密度及分布函数的命令,并操作。
二项分布Y~B(100,0.4)
x=0:
100;
y=binocdf(x,100,0.4);
plot(x,y);
均匀分布U(0,5)
x=0:
1:
5;
y=unifpdf(x,0,5);
plot(x,y,'LineWidth',3);
指数分布Y~exp(3)
x=0:
20;
y=exppdf(x,3);
plot(x,y);
正态分布X~N(0,1)
x=-10:
10;
y=normpdf(x,0,1);
plot(x,y);
泊松分布X~P(3)
x=0:
10;
y=poisscdf(x,3);
plot(x,y);
卡方(c)分布
x=0:
100;
y=chi2pdf(x,1);
plot(x,y);
2、掷硬币150次,其中正面出现的概率为0.5,这150次中正面出现的次数记为
,试计算
的概率和
的概率;绘制分布函数图形和概率分布律图形。
binopdf(45,150,0.5)
binocdf(45,150,0.5)
x=0:
1:
150;
y1=binopdf(x,150,0.5);
y2=binocdf(x,150,0.5);
subplot(1,2,1);
plot(x,y1);
subplot(1,2,2);
plot(x,y2);
其中y1,y2的值即为概率,
可以插入y1,y2以显示数值。
运行结果:
3、用Matlab软件生成服从二项分布的随机数,并验证泊松定理。
binornd(2000,0.04,1,20)
x=0:
1:
200;
y1=binopdf(x,200,0.4);
y2=binopdf(x,2000,0.04);
y3=binopdf(x,20000,0.004);
y4=poisspdf(x,80);
subplot(1,3,1);
plot(x,y1,'^r');
holdon
plot(x,y4,'.');
subplot(1,3,2);
plot(x,y2,'^r');
holdon
plot(x,y4,'.');
subplot(1,3,3);
plot(x,y3,'^r');
holdon
plot(x,y4,'.');
运行结果:
ans=
83898493811018779848197816684817088658279
4、设
是一个二维随机变量的联合概率密度函数,画出这一函数的联合概率密度图像。
x=-4:
0.1:
4;
y=-4:
0.1:
4;
[xb,yb]=meshgrid(x,y);
zb=exp(-0.5*(xb.^2+yb.^2))/(2*pi);
mesh(xb,yb,zb)
运行结果:
5、来自某个总体的样本观察值如下,计算样本的样本均值、样本方差、画出频率直方图。
A=[16251920253324232024251715212226152322
2014161114281813273125241619232617143021
1816181920221922182626132113111923182428
1311251517182216131213110915182115121713
1412161008231811162813212212081521181616
1928191214192828281321281911151824181628
1915132214162420281818281413282924281418
1818082116243216281915181810121626181933
0811182723112222132814221826181632272524
1717283316202832192318281524282916171918]
A=[16251920253324232024251715212226152322201416111428181327312524161923261714302118161819202219221826261321131119231824281311251517182216131213110915182115121713141216100823181116281321221208152118161619281912141928282813212819111518241816281915132214162420281818281413282924281418181808211624321628191518181012162618193308111827231122221328142218261816322725241717283316202832192318281524282916171918];
[n,x]=hist(A,15)
hist(A,15);
mean=mean(A)
var=var(A)
运行结果:
n=
5101892731141417101222226
x=
8.833310.500012.166713.833315.500017.166718.833320.500022.166723.833325.500027.166728.833330.500032.1667
mean=
19.5176
var=
34.4025
6.利用Matlab软件模拟高尔顿板钉试验。
m=500;n=6;y0=3;w=10000;v=1000;
ballnum=zeros(1,n+1);
p=0.5;q=1-p;
fori=n+1:
-1:
1
x(i,1)=0.5*(n-i+1);y(i,1)=(n-i+1)+y0;
forj=2:
i
x(i,j)=x(i,1)+(j-1)*1;y(i,j)=y(i,1);
end
end
mm=moviein(m);
fori=1:
m
s=rand(1,w);
xi=x(1,1);yi=y(1,1);k=1;l=1;
forj=1:
n
plot(x(1:
n,:
),y(1:
n,:
),'o',x(n+1,:
),y(n+1,:
),'.-')
axis([-2n+20y0+n+1]),holdon
k=k+1;
ifs(j)>p
l=l;
else
l=l+1;
end
xt=x(k,l);yt=y(k,l);
h=plot([xi,xt],[yi,yt]);axis([-2n+20y0+n+1])
xi=xt;yi=yt;
end
ballnum(l)=ballnum(l)+1;
ballnum1=3*ballnum./m;
bar((0:
n),ballnum1);axis([-2n+20y0+n+1])
mm(i)=getframe;
holdoff
End
运行结果:
7.自选题目
为比较甲乙两种型号子弹的枪口速度,随机抽取甲种信号子弹10发,得枪口速度平均值500(m/s
),标准差1.10(m/s
),随机抽取乙种型号子弹20发,得枪口速度平均值496(m/s
),标准差1.20(m/s
),根据生产过程可假设两总体都近似服从正态分布,且方差相等,求两总体均值差的置信水平为0.95的置信区间。
由于1-α=0.95,故α/2=0.0.025,因为在方差相等的情况下,有置信度为1-α的置信区间为(
),其中
将
,
,
代入上式可得置信区间。
Matlab:
N1=10;
N2=20;
Ave1=500;
Ave2=496;
Sigma1=1.10;
Sigma2=1.20;
Alpha=1-0.95;
t=tinv(1-Alpha/2,N1+N2-2);
Sw=sqrt(((N1-1)*Sigma1^2+(N2-1)*Sigma2^2)/(N1+N2-2));
a=Ave1-Ave2;
b=t*Sw*sqrt(1/N1+1/N2);
disp(sprintf('(%f,%f)',a-b,a+b));
运行结果为:
(3.072746,4.927254)
四、拓展与思考
学习概率论与数理统计,不仅仅是背诵公式,背诵定理,也应该深入理解,利用工具解决实际问题。
五、总结
通过本次试验,初步掌握了Matlab在概率论与数理统计方面的应用,熟悉软件的同时也学到了很多概率论与数理统计的知识,该门课程也具有很高的实用性。
利用概率论与数理统计所学知识,用Matlab建立模型求解实际问题,提高了效率,拓展了问题的深度,同时将增加实验次数变成可能,解决了很多现实中无法模拟实验的问题。
同时希望以后继续学习概率统计相关知识,利用Matlab解决更多实际问题,达到熟练运用。