第三章 随机数的产生及检验.pptVIP

3、独立性检验：自相关系数的检验 * 随机数r1,r2,……,rn中的前后项是否是统计相关性是否是显著的。相关系数反映了数据间的线性相关程度，若独立，则相关系数必为0（反之不一定）。 原假设H0： * R require sample(1:100, 20)#从1到100中无重复抽取20个数； runif(n, min=0, max=1)#产生n个0-1的均匀分布随机数； rnorm (n, mean = 0, sd = 1) #产生n个以0为均值，1为方差的正态分布随机数； rexp： The Exponential Distribution (wiki link) (指数分布，独立随机事件发生的时间间隔) rf：The F Distribution (wiki link) (F分布，两个卡方分布除以各自自由度) rbeta： The Beta Distribution (wiki link) rbinom： The Binomial Distribution (wiki link) (二项分布) rcauchy： The Cauchy Distribution (wiki link) (柯西分布，N阶矩都不存在的分布...) rchisq： The (non-central) Chi-Squared Distribution (wiki link) (卡方分布，正态分布平方的分布) * rgamma： The Gamma Distribution (wiki link) (伽玛分布) rpois： The Poisson Distribution (wiki link) (泊松分布，单位时间内随机事件发生的次数) rgeom： The Geometric Distribution (wiki link) (几何分布，在第n次伯努利试验中，试验k次才得到第一次成功的机率) rhyper： The Hypergeometric Distribution (wiki link) (超几何分布) rlnorm： The Log Normal Distribution (wiki link) (对数正态分布，正态分布的指数的分布) rlogis： The Logistic Distribution (wiki link) (逻辑分布) rmultinom： The Multinomial Distribution (wiki link) (多变量正态分布) rnbinom： The Negative Binomial Distribution (wiki link) (负二项分布) * R ks.test分布检验 ks.test(data, pnorm, mean(data), sd(data)) * * 假设检验Matlab-require %M-file函数f的定义：判断概率函数 function f=p_judge(A,alpha)% 判别所给数据源在置信率为0.05时的概率分布形式。 A=A(:);%数据集A的形式为n×1。 randperm(n)%产生1到n的均匀分布随机序列 a=normrnd(0,1,1,6)%正态分布随机数  * 正态分布 [mu,sigma]=normfit(A); p1=normcdf(A,mu,sigma); [H1,s1]=kstest(A,[A,p1],alpha) n=length(A); if H1==0 disp(该数据源服从正态分布。) else disp(该数据源不服从正态分布。)  end  * Gama分布 phat=gamfit(A,alpha); p2=gamcdf(A,phat(1),phat(2)); [H2,s2]=kstest(A,[A,p2],alpha) if H2==0 disp(该数据源服从γ分布。) else disp(该数据源不服从γ分布。) end * 泊松分布 lamda=poissfit(A,alpha); p3=poisscdf(A,lamda); [H3,s3]=kstest(A,[A,p3],alpha) if H3==0 disp(该数据源服从泊松分布。)  else disp(该数据源不服从泊松分布。)  end * 指数分布 mu=expfit(A,alpha); p4=expcdf(A,mu); [H4,s4]=kstest(A,[A,p4],alpha) if H4==0 disp(该数据源服从指数分布。)  else disp(该数据源不服从指数分布。)  end * Ray