用MATLAB编写一段求分布函数图像及数学期望的程序

Posted 2023-03-19

设随机变量x的概率分布律为P(X=0)=1/12，P(X=1)=1/6，P(X=2)=1/3，P(X=3)=1/12，P(X=4)=2/9，P(X=5)=1/9.绘出其对应的分布函数图像，并计算随机变量Y=(X-2)^2的数学期望。发到邮箱[e-mail],谢谢啊！！！

a=0:5;
b=[1/12,1/6,1/3,1/12,2/9,1/9];
c=cumsum(b);
stairs([-5:-1,a,6:10],[zeros(1,5),c,ones(1,5)]);
y=(a-2).^2;
ey=sum(y.*b);追问

能不能解释一下？因为我们还没学那个软件，如果好的话我会加分的，谢谢…

追答

a=0:5; %就是x的6个取值0到5
b=[1/12,1/6,1/3,1/12,2/9,1/9];%x去不同值时对应的概率
c=cumsum(b);%对b求累加和，得到分布函数
stairs([-5:-1,a,6:10],[zeros(1,5),c,ones(1,5)]);%画出分布函数，a，b两边做一下扩展，看得更清楚
y=(a-2).^2;%y的6个取值
ey=sum(y.*b); %求y的期望

参考技术A 完成任务

matlab一维概率分布和均匀分布的区别

本文主要介绍数理统计中几种常见的概率分布函数及其图像绘制以及分位数的计算。后续将更新的内容有常见分布的随机数的产生、参数估计等。敬请期待。

一、计算概率分布律及密度函数值
matlab直接提供了通用的计算概率密度函数值的函数，它们是pdf 和namepdf函数，使用方式如下：
Y=pdf(‘name’，K，A，B)或者：namepdf (K，A，B)
上述函数表示返回在X=K处、参数为A、B、C的概率值或密度值，对于不同的分布，参数个数是不同；name为分布函数名，使用时需要按照对应分布进行改动。函数名总结如下表：

name的取值 函数说明
‘beta’ 或 ‘Beta’ Beta分布
‘bino’ 或 ‘Binomial’ 二项分布
‘chi2’ 或 ‘Chisquare’ 卡方分布
‘exp’ 或 ‘Exponential’ 指数分布
‘f’ 或 ‘F’ F分布
‘gam’ 或 ‘Gamma’ GAMMA分布
‘geo’ 或 ‘Geometric’ 几何分布
‘hyge’ 或 ‘Hypergeometric’ 超几何分布
‘logn’ 或 ‘Lognormal’ 对数正态分布
‘nbin’ 或 ‘Negative Binomial’ 负二项式分布
‘ncf’ 或 ‘Noncentral F’ 非中心F分布
‘nct’ 或 ‘Noncentral t’ 非中心t分布
‘ncx2’ 或 ‘Noncentral Chi-square’ 非中心卡方分布
‘norm’ 或 ‘Normal’ 正态分布
‘poiss’ 或 ‘Poisson’ 泊松分布
‘rayl’ 或 ‘Rayleigh’ 瑞利分布
‘t’ 或 ‘T’ T分布
‘unif’ 或 ‘Uniform’ 连续均匀分布
‘unid’ 或 ‘Discrete Uniform’ 离散均匀分布
‘weib’ 或 ‘Weibull’ Weibull分布
例如，设随机变量 X服从参数是3的泊松分布, 求概率 PX=6.
选用第一种计算方式：p=pdf(‘poiss’,6,3)，用第二种计算方式则有：p=poisspdf(6,3)

>> p=pdf('poiss',6,3)
p =
0.0504
>> p=poisspdf(6,3)
p =
0.0504
登录后复制
例、计算正态分布N（0，1）的随机变量X在点0.6578的密度函数值。
则有pdf(‘norm’,0.6578,0,1)或者normpdf(0.6578,0,1)

>> pdf('norm',0.6578,0,1)
ans =
0.3213
>> normpdf(0.6578,0,1)
ans =
0.3213
登录后复制
二、常见分布的密度函数作图
这一部分主要讲述几种常见的分布的密度函数图像的绘制，会采用之前以讲解过的绘图部分的一些知识。
函数：plot(x,y) 以x 元素为横坐标值，y 元素为纵坐标值绘制曲线。
绘制方法是：第一部分中的Y=pdf(‘name’，K，A，B)或者：namepdf (K，A，B) 中的常量K改成变量X，再限制X的范围，用plot函数即可完成图像的绘制
例：绘制随机变量 X在0至10之间服从参数是0.5的二项分布的图像。

>> x = 0:10;
y = binopdf(x,10,0.5);
plot(x,y)
登录后复制
例：绘制正态分布N（0，1）的随机变量X在-3至3的函数图像。

>> x=-3:0.2:3;
y=normpdf(x,0,1);
plot(x,y)
登录后复制
三、随机变量的分布函数值与分位数的求法
1.同样，matlab直接提供了通用的计算随机变量的累积概率值的函数，它们是cdf 和namecdf 函数，使用方式如下：
cdf ('name ’ ,K，A，B)或者namecdf (K，A，B)
上述函数会返回以name为分布、随机变量X≤K的概率之和的累积概率值，name的取值见第一部分，使用方式与第一部分的函数完全相同
例：设随机变量X服从参数是3的泊松分布, 求概率 PX≤6。
>> p=poisscdf(6,3)
p =
0.9665
登录后复制
例：求标准正态分布随机变量X落在区间(-∞，0.2)内的概率。

>> cdf('norm',0.2,0,1)
ans =
0.5793
登录后复制
2.在数理统计中，分位数是已知F(x)=P(X<=x)，求x。matlab也提供了通用的计算随机变量的分位数的函数，它们是icdf和nameinv函数，使用方式如下：
icdf(‘name’, p，A，B)或者nameinv(p，A，B)
返回分布为name，参数为A，B,累积概率值为p的临界值，即满足F(x)=P(X<=x)的x值，name与第一部分表中相同。
例：在标准正态分布表中，若已知F(x)=0.975，求x。

>> x=icdf('norm',0.975,0,1)
x =
1.9600
>> norminv(0.975,0,1)
ans =
1.9600
登录后复制
例：在卡方分布表中，若自由度为10，F(x)=0.975，求上侧分位数。

>> icdf('chi2',0.025,10)
ans =
3.2470
>> chi2inv(0.025,10)
ans =
3.2470
登录后复制
matlab
数据分析

点赞文章给优秀博主打call~
女士厚底凉鞋
精选推荐
广告

quantile(x):从数据集中计算分位数-matlab开发
8下载·0评论
2021年5月30日
分位数计算：通过各种方法计算样本的分位数-matlab开发
16下载·0评论
2021年5月30日
MATLAB quantreg 分数位回归 初步使用探究
26阅读·0评论·0点赞
2022年11月10日
matlab 四分位距,四分位数及matlab实现
2294阅读·0评论·0点赞
2021年4月18日
【MATLAB数据分析】02数据的中位数和分位数
1998阅读·0评论·6点赞
2022年6月2日
matlab 指数分布检验,如何使用Matlab检验数据服从什么分布
2807阅读·0评论·1点赞
2021年4月19日
高跟鞋批发，厂家直销，低价供货

精选推荐
广告
Matlab中求数据概率分布的方法
4.4W阅读·3评论·49点赞
2019年9月23日
空间分位数 matlab,四分位数及matlab实现
700阅读·0评论·0点赞
2021年4月18日
matlab分为数计算机,在MATLAB中查找卡方分布的分位数值(Finding quantile values for chi squared distribution In MATLAB)...
875阅读·0评论·0点赞
2021年4月18日
matlab计算三大分布
8663阅读·9评论·12点赞
2019年11月8日
beta分位数matlab代码,MATLAB做t分布分位数的问题
802阅读·0评论·0点赞
2021年4月18日
t-quantile:学生的t分布分位数函数
3下载·0评论
2021年5月19日
matlab中如何求分位数,matlab中分位数的equalent python命令
485阅读·0评论·0点赞
2021年4月21日
matlab中f分布,在matlab中用哪个函数求F分布的分位点(分子分母的自由度和概率均已知)...
631阅读·0评论·0点赞
2021年4月19日
卡方分布表以及计算公式
305下载·24评论
2010年8月9日
matlab 概率分布程序,常见的概率分布(matlab作图)
2924阅读·0评论·0点赞
2021年4月18日
matlab 概率密度分布的一些总结，正态分布，泊松分布
4155阅读·0评论·1点赞
2020年5月26日
U分布、T分布、z分位数
3904阅读·0评论·1点赞
2021年8月11日
matlab 样本分位数命令,stata笔记数据处理——分位数的处理
3169阅读·0评论·0点赞
2021年4月25日
去首页
看看更多热门内容
评论1

路折

赞
感谢 参考技术A 在概率论和统计学中，均匀分布也叫矩形分布，它是对称概率分布，在相同长度间隔的分布概率是等可能的。 均匀分布由两个参数a和b定义，它们是数轴上的最小值和最大值，通常缩写为U（a，b）。

        举个栗子，掷骰子就是一个均匀分布，概率论中一个很常用分布。 参考技术B 而一维随机变量连续型分布主要有均匀分布,指数分布和正态分布