Matlab 概率分布
来源:互联网 发布:央视直播网络电视 编辑:程序博客网 时间:2024/05/16 01:51
概述
区别
对于离散型随机变量 X
F(x)=P{X<=x}为其分布函数,自变量x
P{X=x}为离散型随机变量的概率分布,或者分布(规)律
对于连续型随机变量 X
F(x)=P{X<=x}为其分布函数 ,自变量x
单独考察P{X=x}的值是没有意义的,单点概率值可视为0
这时考察区间上的概率,引出概率密度函数 f(x),
f(t)在区间[-无穷,x]上的积分为F(x)
F(x)为f(t)的上限为x的变上限积分函数
在数学中,一个连续型随机变量的“概率密度函数”是一个描述这个随机变量的输出值在某一个确定的取值点附近的可能性的函数。
联系
不难发现,离散型随机变量是连续型随机变量的一个特例
- 离散型取值个数有限 , min max确定,较为离散化
- 所以概率密度函数在x的领域内的积分值为单个点点概率分布
为了避免咬文嚼字造成的理解障碍
- 将离散型随机变量的概率分布泛化为概率密度
离散型随机变量
二项分布 Binomial distribution
二项分布,又称n重伯努力试验
每次实验成功概率为p,失败概率为q=1-p
则在这n次独立实验中,成功x次的概率y为
matlab中使用binopdf函数,绘制代码
defects = 0:50;y = binopdf(defects,200,0.02);figure;plot(defects,y,'--bo');title('X~B(n=200,p=0.02)的伯努力分布的前50个点的概率分布');xlabel('试验成功次数x');ylabel('y=P\{X=x\}');
二项分布的期望E(X)=np
方差D(X)=npq
泊松分布
matlab中使用boisspdf函数,绘制代码
defects = 0:50;y1 = poisspdf(defects,2);y2 = poisspdf(defects,10);y3 = poisspdf(defects,30);figure;plot(defects,y1,'-g>',defects,y2,'--bo',defects,y3,':r');title('X~pi(lambda)的泊松分布');xlabel('离散变量X的取值x');ylabel('y=P\{X=x\}');hleg1=legend('lambda=2','lambda=10','lambda=30');
观察上面两张图,很容易发现二项分布和泊松分布十分类似,实际上,但n趋于正无穷时,可以用泊松分布来逼近
泊松定理
设随机变量X服从二项分布B(n,p),当n→+∞时,X近似地服从泊松分布P(λ)
,其中λ=np
n→+∞,np=λ为常数,则p→0无穷小q→1;
所以泊松分布的数学期望E(X)=λ,方差D(X)=λ
【PS:只有当p的值很小,一般小于0.1时,用泊松分布取代二项分布所产生的误差才会比较小】
连续型随机变量
均匀分布
指数分布
注意,考研过程中,用lambda=1/mu作为指数函数的参数,lambda>0
matlab中使用exppdf函数,绘制代码
正态分布
matlab中使用normpdf函数,绘制代码
0 0
- MATLAB概率分布函数
- Matlab 概率分布
- matlab绘制概率分布图形
- 常见的概率分布(matlab作图)
- MATLAB各种概率分布画图(转载)
- 概率分布
- 概率分布
- 概率分布
- 概率分布
- matlab 产生任意概率密度的联合分布
- Matlab统计工具箱中各类概率分布函数使用方法介绍
- 概率分布-beta分布
- Matlab常用概率密度函数、累计概率分布函数及其逆函数
- Matlab常用概率密度函数、累计概率分布函数及其逆函数
- 概率分布-二项分布、多项分布
- 概率分布之共轭分布
- 概率分布-泊松分布
- 条件概率分布与边缘概率分布
- 经典导航+经典新闻
- 链表头插
- android网络技术
- Hibernate映射解析——七种映射关系
- m3u8文件信息总结
- Matlab 概率分布
- 12期 11月期刊自荐
- Java设计模式之适配器模式
- 嵌入式开发课堂笔记
- Leetcode 368. Largest Divisible Subset
- 十万个为什么 —— 冷知识
- Random(47)
- Day48:Birthday
- 第九周OJ总结<4>-等比数列