常用Matlab作图命令学习笔记.docVIP

常用Matlab作图命令 1.概率统计作图 1.1绘出正态分布的密度函数曲线 x=-5:0.1:5; y=normpdf(x,0,1); z=normpdf(x,0,2); plot(x,y,x,z) gtext(N(0,1)) gtext(N(0,2)) title(正态分布密度曲线) 1.2绘出t-分布的密度函数曲线，并与标准正态密度曲线比较 x=-5:0.1:5; y=tpdf(x,30); z=normpdf(x,0,1); plot(x,y,k:,x,z,k-) xlabel(\itx); ylabel(概率密度\itp) legend(t分布, 标准正态密度) difference=tpdf(x,30)-normpdf(x,0,1) 1.3绘制开方分布密度函数在n分别等于1、5、15的图 x=0:1:30;y1=chi2pdf(x,1); plot(x,y1,:) hold on y2=chi2pdf(x,5);plot(x,y2,+) y3=chi2pdf(x,15);plot(x,y3,O) Axis([0,30,0,0.2]) 1.4计算自由度是50,10的F-分布的0.9的分位数，并给出概率与分位数关系的图形 x=finv(0.9,50,10) x = 2.1171 p=fcdf(x,50,10) p = 0.9000 t=0:0.1:4; y=fpdf(x,50,10); z=fpdf(t,50,10); plot(t,z,[x,x],[0,y]) text(x,0,2.1171) gtext(p=0.9) title(概率与分位数的关系) 1.5 经验累积分布函数图形 X=normrnd (0,1,50,1); [h,stats]=cdfplot(X) y = evrnd(0,3,100,1); cdfplot(y) hold on x = -20:0.1:10; f = evcdf(x,0,3); plot(x,f,m) legend(Empirical,Theoretical,Location,NW) 1.6 绘制正态分布概率图形 X=normrnd(0,1,50,1); normplot(X) 1.7 绘制威布尔(Weibull)概率图形 %绘制威布尔(Weibull)概率图形的目的是用图解法估计来自威布尔分布的数据X，如果X是威布 %尔分布数据，其图形是直线的，否则图形中可能产生弯曲。 r = weibrnd(1.2,1.5,50,1); weibplot(r) 1.8 样本数据的盒图 %boxplot(X) %产生矩阵X的每一列的盒图和“须”图，“须”是从盒的尾部延伸出来，并表示盒外数据长度的线，如果“须”的外面没有数据，则在“须”的底部有一个点。 x1 = normrnd(5,1,100,1); x2 = normrnd(6,1,100,1); x = [x1 x2]; boxplot(x,1,g+,1,0) 1.9 样本的概率图形 data=normrnd (0,1,30,2); p=capaplot(data,[-2,2]) p = 0.9199 1.10 附加有正态密度曲线的直方图 r = normrnd (10,1,100,1); histfit(r) 1.11 在指定的界线之间画正态密度曲线 格式 p = normspec(specs,mu,sigma) %specs 指定界线，mu,sigma 为正态分布的参数p 为样本落在上、下界之间的概率 normspec([10 Inf],11.5,1.25) 1.12 二项分布的函数图 p = 0.2; % Probability of success for each trial n = 10; % Number of trials k = 0:n; % Outcomes m = binopdf(k,n,p); % Probability mass vector bar(k,m) % Visualize the probability distribution set(get(gca,Children),FaceColor,[.8 .8 1]) grid on 1.13 指数分布函数图 lambda = 2; % Failure rate t = 0:0.01:3; % Outcomes f = exppdf(t,1/lambda); % Probability density vector plot(t,f) % Visualize the probab