数学实验MATLAB版韩明版51535556部分答案Word格式文档下载.docx
《数学实验MATLAB版韩明版51535556部分答案Word格式文档下载.docx》由会员分享,可在线阅读,更多相关《数学实验MATLAB版韩明版51535556部分答案Word格式文档下载.docx(29页珍藏版)》请在冰点文库上搜索。
x1=
x2=
x3=
即:
,
4、设
通过分布函数的调用计算
与
x1=binopdf(10,20,,x2=binocdf(10,20,-binopdf(10,20,
5、设
求:
(1)
;
(2)
(1)编程求解:
p=poisscdf(4,8)
p=
(2)编程求解:
p=poisscdf(5,8)-poisscdf(2,8)
6、
(1)设
求
;
(2)对
分布,求
(3)对
(4)对
。
norminv
ans=
chi2inv,8)
(3)编程求解:
tinv,13)
(4)编程求解:
finv,15,10)
7、分别生成
个和
个均匀分布
的随机数。
A=unifrnd(0,1,6,2),B=rand(6,1)
A=
B=
1.设
求该均匀分布的均值和方差。
[m,v]=unifstat(1,11)
m=6
v=
2.设
,求该正态分布的均值、标准差与方差。
x=normrnd(0,16,5,5);
s=std(x),[m,v]=normstat(0,16)
s=
m=0
v=256
3.生成
列服从标准正态分布的随机数,每列
个数,每列中,标准差的均值都为1.
编程如下:
x=normrnd(0,1,200,6)
x=
4、首先生成正态分布
的容量为
的随机数的样本,然后画正态分布
的直方图。
x=normrnd(0,16,300,1);
hist(x,7)
1.泥厂用自动包装机包装水泥,每袋额定重量是
,某日开工后随机抽查了
袋,称得重量如下:
.设每袋重量服从正态分布,问包装机工作是否正常(取显著性水平
.)
假设检验:
x=[];
[h,sig,ci]=ttest(x,50)
h=0
sig=
ci=
检验结果为:
①布尔值h=0说明表示在显著性水平为下接受原假设
,说明包装机工作正常。
②置信水平为的置信区间为
,它包含50,因此接受原假设。
③
也说明能接受“包装机正常工作”的假设。
2.某工厂生产的某种型号的电池,其寿命(以小时计)长期以来服从方差为5000的正态分布,现有一批这种电池,从它的生产情况来看,寿命的波动性有所改变.现随机取26只电池,测出其寿命的样本方差
.问根据这一数据能否推断这批电池的寿命的波动性较以往的有显著的变化(取显著性水平
建立M文件,命名为:
Untitled
sigma0=5000;
%总体原始方差
sigma1=9200;
%样本方差
alpha=;
%显著性水平
n=26;
%样本容量
chi2stat=(n-1)*sigma1/sigma0;
%卡方检验统计量
criticalValue1=chi2inv(alpha/2,n-1);
%临界值
criticalValue2=chi2inv(1-alpha/2,n-1);
if(chi2stat>
criticalValue1&
&
chi2stat<
criticalValue2)%判断并显示结论
disp('
接受原假设,认为方差没有改变'
else
拒绝原假设,认为方差发生了改变'
end
运行M文件,得结果:
拒绝原假设,认为方差发生了改变
3、某地某年高考后随机抽得15名男生、12名女生的数学考试成绩如下:
男生:
119118117123121113109127116116112114125114110
女生:
116110117121113106113108118124118104
从这27名学生的成绩能说明这个地区男、女生的数学考试成绩不相上下吗(显著性水平
假设:
验证数学成绩服从正态分布编程如下:
x1=[119118117123121113109127116116112114125114110];
x2=[116110117121113106113108118124118104];
subplot(1,2,1);
normplot(x1);
subplot(1,2,2);
normplot(x2)
由于正太概率图都显示出直线形态,因此数据x1和数据x2都可以认为如从正态分布.
检验编程如下:
[pt,sigt]=ttest2(x1,x2)
pt=0
sigt=
可见,男、女生数学成绩不相上下,没有显著差异,接受假设。
4、下面列出84个伊特拉斯坎男子头颅的最大宽度(单位:
mm):
141148132138154142150146155158150140147148144150149145149158143141144144126140144142141140145135147146141136140146142137148154137139143140131143141149148135148152143144141143147146150132142142143153149146149138142149142137134144146147140142140137152145
请检验上述头颅的最大宽度数据是否来自正态总体(显著性水平
编程:
x=[141148132138154142150146155158150140147148144150149145149158143141144144126140144142141140145135147146141136140146142137148154137139143140131143141149148135148152143144141143147146150132142142143153149146149138142149142137134144146147140142140137152145];
normplot(x)
5、在一批灯泡中抽取300只做寿命试验,获得的数据见下表.
寿命t/h
灯泡数
121
78
43
58
对于给定的显著性水平
,问这批灯泡的寿命是否服从指数分布
t=0:
100:
300;
h=[121784358];
pi=*exp(-t*
pi=
t=[400500600700];
sum*exp(-t*)
n=300;
sum((h-n*pi).^2/(n*pi))
ans=+003
symsx
ff=@(x)(chi2pdf(x,4));
p=quadl(ff,ans,10000)
p=0
由于
所以显著性水平
下,这批灯泡的寿命不如从指数分布。
6.谋电话站在一个小时内接到电话用户的呼叫次数按每分钟记录如下表.
呼叫次数
1
2
3
4
5
6
频数
8
16
17
10
问在显著性说平
时,在一个小时内接到电话用户的呼叫次数能否看作来自泊松分布
i=0:
7;
ni=[81617106210];
sum((i.*ni)./60)
ans=2
pi=((2.^i)./factorial(i)).*exp(-2)
pi=Columns1through6
Columns7through8
i=[89101112131415];
sum(((2.^i)./factorial(i)).*exp(-2))
n=60;
sum(((ni-n*pi).^2)./(n*pi))
ff=@(x)(chi2pdf(x,8));
p=quadl(ff,,10)
,所以显著性水平
下,可以认为“在一小时接到电话用户的呼叫次数如从泊松分布。
1.某地区车祸次数
(千次)与汽车拥有量
(万辆)的11年统计数据如下表.
年度
7
9
11
汽车拥有量/万辆
325
373
411
462
490
529
577
641
692
743
车祸次数/千次
166
153
177
201
216
208
227
238
268
274
(1)作
和
的散点图;
(2)如果从
(1)中的散点图大致可以看出
对
是线性的,试求线性回归方程;
(3)验证回归方程的显著性(显著性水平
);
(4)假设拥有800万辆汽车,求车祸次数置信水平为的预测区间.
(1)编程如下:
x=[352373411411462490529577641692743];
y=[166153177201216208227238268268274];
X=[ones(11,1),x'
];
[b,bint,r,rint,s]=regress(y'
X,
b=
bint=
r=
rint=
因此
的置信水平为的置信区间为
由以上计算结果可知,回归模型
成立.
z=inline('
+*x'
'
x'
);
x=800;
z(x)
ans=
2.现对具有统计关系的两个变量的取值情况进行13次试验得到如下数据
14
15
18
19
求回归曲线方程
令
则回归曲线方程为:
,编程求解:
x=[23457810111415161819];
y=[];
X=[ones(13,1),x'
b=regress((1./y)'
1./X)
因此,
,即回归曲线方程为:
3、一种合金在某种添加剂的不同浓度下,各做三次试验,得到数据如下表:
浓度
20
25
30
抗压强度
(1)作散点图;
(2)以模型
拟合数据,其中
无关;
(3)求回归方程
并作回归分析.
x1=[1015202530];
y1=[];
y2=[];
y3=[];
plot(x1,y1,'
+'
x1,y2,'
o'
x1,y3,'
编程拟合:
建立M文件:
unctionf=fun(c,x)
f=c
(1)+c
(2)*x+c(3)*x^2;
在命令窗口输入:
x=10:
5:
30;
c0=[];
[c,fval]=lsqcurvefit('
fun'
c0,x,y1,y2,y3)
c=
fval=[]
即
,故