数理统计知识点.课件.pptVIP

1、输入矩阵： data=[78,79,80,81,82,83,84,85,86,87,88; 23.8,27.6,31.6,32.4,33.7,34.9,43.2,52.8,63.8,73.4; 41.4,51.8,61.7,67.9,68.7,77.5,95.9,137.4,155.0,175.0] 2、将矩阵data的数据保存在文件data1中：save data1 data 3、进行统计分析时，先用命令： load data1 调用数据文件data1中的数据，再用以下命令分别将矩阵data的第一、二、三行的数据赋给变量t、x、y： t=data(1,:) x=data(2,:) y=data(3,:) 若要调用矩阵data的第j列的数据，可用命令： data(:,j) To MATLAB(data) 返回 二、基本统计量 对随机变量x，计算其基本统计量的命令如下： 均值：mean(x) 中位数：median(x) 标准差：std(x) 方差：var(x) 偏度：skewness(x) 峰度：kurtosis(x) 例 对例1中的职工工资总额x，可计算上述基本统计量。 To MATLAB(tjl) 返回 三、常见概率分布的函数 Matlab工具箱对每一种分布都提供五类函数，其命令字符为： 概率密度：pdf 概率分布：cdf 逆概率分布：inv 均值与方差：stat 随机数生成：rnd （当需要一种分布的某一类函数时，将以上所列的分布命令字符与函数命令字符接起来，并输入自变量（可以是标量、数组或矩阵）和参数即可.） 在Matlab中输入以下命令： x=-6:0.01:6; y=normpdf(x); z=normpdf(x,0,2); plot(x,y,x,z) 1、密度函数：p=normpdf(x,mu,sigma) (当mu=0,sigma=1时可缺省) To MATLAB(liti2) 如对均值为mu、标准差为sigma的正态分布，举例如下： To MATLAB(liti3) 3、逆概率分布：x=norminv(P,mu,sigma). 即求出x ，使得P{Xx}=P.此命令可用来求分位数. 2、概率分布：P=normcdf(x,mu,sigma) To MATLAB(liti4) To MATLAB(liti5) 4、均值与方差：[m,v]=normstat(mu,sigma) 例5 求正态分布N(3,52)的均值与方差. 命令为：[m,v]=normstat(3,5) 结果为：m=3,v=25 5、随机数生成：normrnd(mu,sigma,m,n).产生m?n阶的正态分布随机数矩阵. 例6 命令：M=normrnd([1 2 3;4 5 6],0.1,2,3) 结果为：M=0.9567 2.0125 2.8854 3.8334 5.0288 6.1191 To MATLAB（liti6） 此命令产生了2?3的正态分布随机数矩阵，各数分别服从N(1,0.12), N(2,22), N(3, 32), N(4,0.12), N(5, 22),N(6, 32) 返回 1、给出数组data的频数表的命令为： [N,X]=hist(data,k) 此命令将区间[min(data),max(data)]分为k个小区间（缺省为10），返回数组data落在每一个小区间的频数N和每一个小区间的中点X. 2、描绘数组data的频数直方图的命令为： hist(data,k) 四、频 数 直 方 图 的 描 绘 返回 五、参数估计 1、正态总体的参数估计 设总体服从正态分布，则其点估计和区间估计可同时由以下命令获得： [muhat,sigmahat,muci,sigmaci] = normfit(X,alpha) 此命令在显著性水平alpha下估计数据X的参数（alpha缺省时设定为0.05），返回值muhat是X的均值的点估计值，sigmahat是标准差的点估计值, muci是均值的区间估计,sigmaci是标准差的区间估计. 2、其它分布的参数估计 有两种处理办法: 一.取容量充分大的样本（n50），按中心极限定理，它近似地 服从正