
СМОД – Статистические методы обработки данных / laba_1
.docxМинистерство образования Республики Беларусь
Учреждение образования
БЕЛОРУССКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ
ИНФОРМАТИКИ И РАДИОЭЛЕКТРОНИКИ
Факультет информационных технологий и управления
Кафедра ИТАС
Отчет
по лабораторной работе №1
«Ознакомление с системой Matlab. Одномерные распределения теории вероятностей и математической статистики»
Выполнили:
|
Проверил: ассистент Трофимович А.Ф.
|
Минск, 2012
-
Цель работы.
Ознакомление с системой программирования Matlab, приобретение навыков работы с ней. Ознакомление с языком программирования системы Matlab. Исследование с помощью средств Matlab одномерных распределений теории вероятностей и математической статистики.
-
Выполнение работы.
-
Для каждого распределения вывести в одно графическое окно два графика плотности вероятности. Один из графиков плотности вероятности получить по собственной программе, написанной для расчета значений функции плотности вероятности по формулам, второй – с использованием функций системы Matlab. Исследовать их зависимость от параметров распределения.
-
Равномерное распределение (рисунок 1).
Рисунок 1 – Графики плотности вероятности равномерного распределения
Код программы:
clc;
clear;
a=1;
b=10;
a1=2;
b1=12;
x=-5:0.2:15;
n=length(x);
for i=1:n
if x(i)<=a || x(i)>=b
f(i)=0;
else
f(i)=1/(b-a);
end
end
y=unifpdf(x,a,b);
y1=unifpdf(x,a,b1);
y2=unifpdf(x,a1,b);
plot(x,y,'m',x,f,'g--',x,y1,'b:',x,y2,'r-.')
-
Нормальное (гауссовское) распределение
(рисунок 2).
Рисунок 2 – Графики плотности вероятности нормального распределения
Код программы:
clc;
clear;
a=1;
a1=3;
sig=2;
sig1=1.5;
x=-5:0.1:5;
n=length(x);
for i=1:n
f(i)=(1/(sqrt(2*pi*sig^2)))*exp(-((x(i)-a)^2)/(2*sig^2));
end
y=normpdf(x,a,sig);
y1=normpdf(x,a,sig1);
y2=normpdf(x,a1,sig);
plot(x,y,'m',x,f,'g--',x,y1,'b:',x,y2,'r-.')
-
Гамма-распределение
(рисунок 3).
Рисунок 3 - Графики плотности вероятности гамма-распределения
Код программы:
clc;
clear;
a=9;
b=0.5;
a1=5;
b1=1;
x=0:0.2:20;
n=length(x);
gam=gamma(a);
for i=1:n
if x(i)<=0
f(i)=0;
else
f(i)=(1/(gam*b^a))*exp(-(x(i)/b))*(x(i)^(a-1));
end
end
y=gampdf(x,a,b);
y1=gampdf(x,a,b1);
y2=gampdf(x,a1,b);
plot(x,y,'r-*',x,f,'g',x,y1,'b',x,y2,'k')
-
Для каждого распределения вывести в отдельное графическое окно график функции распределения с использованием функций системы Matlab. Исследовать их зависимость от параметров распределений.
-
Равномерное распределение (рисунок 4).
Рисунок 4 – Графики функции равномерного распределения
Код программы:
clc;
clear;
a=1;
b=15;
a1=3;
b1=10;
x=0:0.5:20;
y=unifcdf(x,a,b);
y1=unifcdf(x,a,b1);
y2=unifcdf(x,a1,b);
plot(x,y,'r-*',x,y1,'g',x,y2,'b')
-
Нормальное (гауссовское) распределение
(рисунок 5)
Рисунок 5 - Графики функции нормального распределения
Код программы:
clc; clear;
a=3;
sig=2;
a1=6;
sig1=3;
x=0:0.5:20;
y=normcdf(x,a,sig);
y1=normcdf(x,a,sig1);
y2=normcdf(x,a1,sig);
plot(x,y,'r-*',x,y1,'g',x,y2,'b')
-
Гамма-распределение
(рисунок 6).
Рисунок 6 - Графики функции гамма-распределения
Код программы:
clc;
clear;
a=9;
b=1.2;
a1=4;
b1=0.3;
x=0:0.5:20;
y=gamcdf(x,a,b);
y1=gamcdf(x,a,b1);
y2=gamcdf(x,a1,b);
plot(x,y,'r-*',x,y1,'g',x,y2,'b')
-
Вывод.
Для каждого распределения (равномерного, нормального, гамма-распределения) построили графики плотности вероятности и функции распределения с использованием функций системы Matlab. После этого исследовали их зависимость от параметров распределений.