
СМОД – Статистические методы обработки данных / Лаба 1 - 8 / smodlabs / Лаба5_Голубова
.docxМинистерство образования Республики Беларусь
Учреждение образования
БЕЛОРУССКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ИНФОРМАТИКИ И РАДИОЭЛЕКТРОНИКИ
Факультет информационных технологий и управления
Кафедра ИТАС
ОТЧЕТ
по лабораторной работе №5
“Оценивание законов распределения скалярных случайных величин”
по дисциплине «Статистические методы обработки данных»
Выполнила: |
Проверил: |
студентка гр. 920604 |
ассистент |
А. П. Голубова |
А.Ф. Трофимович |
Минск 2012г.
-
Цель работы
- Изучение оценок законов распределения скалярных случайных вели-чин
- Приобретение навыков получения оценок законов распределения ска-
лярных случайных величин с помощью системы программирования Matlab.
-
Ход работы
2.1 Нормальное
распределение
:
,
Для получения выборок нормального распределения, используя функции получения случайного числа с заданным распределением из лабораторной работы 3, составим программу:
clc;
x = [];
x1 = [];
a = 0;
sigma = 1;
y = x;
y1 = x;
n = 100;
hold on;
for i = 1 : n
x(i) = normal(a,sigma);
y(i) = i / n;
end
Для получения гистограммы и генеральной плотности распределения, используем следующий код, результат представлен на рисунках 2.1, 2.2:
x = sort(x);
minx = min(x);
maxx = max(x);
x1 = minx : 0.1 : maxx;
y1 = normcdf(x1,a,sigma);
plot(x1,y1,'-r');
stairs(x,y);
hold off;
figure;
hold on;
hist(x,10);
y1 = normpdf(x1,a,sigma);
y1 = y1 * n * (maxx - minx) / 10;
plot(x1,y1,'-r');
Рисунок 2.1 – Совместный график гистограммы и генеральной плотности распределения
Для исследования сходимости эмпирической функции распределения к генеральной изменяем объем выборки в 10, 100 раз от первоначального объема. Результат представлен на рисунках 2.3, 2.4
Рисунок 2.2 – Совместный график эмпирической и генеральной функции распределения
Рисунок 2.3 – Совместный график эмпирической и генеральной функции распределения при объеме выборки равном 1000
Рисунок 2.4 – Совместный график эмпирической и генеральной функции распределения при объеме выборки равном 10000
2.2 Распределение
с
степенями свободы
:
где
Для получения
выборок распределения
,
используя функции получения случайного
числа с заданным распределением из
лабораторной работы 3, составим программу:
clc;
x = [];
x1 = [];
k = 10;
y = x;
y1 = x;
n = 100;
hold on;
for i = 1 : n
x(i) = h(k);
y(i) = i / n;
end
Для получения гистограммы и генеральной плотности распределения, используем следующий код, результат представлен на рисунках 2.5, 2.6:
x = sort(x);
minx = min(x);
maxx = max(x);
x1 = minx - 5 : 0.1 : maxx;
y1 = chi2cdf(x1,k);
plot(x1,y1,'-r');
stairs(x,y);
hold off;
figure;
hold on;
hist(x,10);
y1 = chi2pdf(x1,k);
y1 = y1 * n * (maxx - minx) / 10 ;
plot(x1,y1,'-r');
Рисунок 2.5 – Совместный график гистограммы и генеральной плотности распределения
Рисунок 2.6 – Совместный график эмпирической и генеральной функции распределения
Для исследования сходимости эмпирической функции распределения к генеральной изменяем объем выборки в 10, 100, 500 раз от первоначального объема. Результат представлен на рисунках 2.7 – 2.9
Рисунок 2.7 – Совместный график эмпирической и генеральной функции распределения при объеме выборки равном 1000
Рисунок 2.8 – Совместный график эмпирической и генеральной функции распределения при объеме выборки в 10000
Рисунок 2.9– Совместный график эмпирической и генеральной функции распределения при объеме выборки в 50000
2.3 Экспоненциальное распределение:
Для получения выборок экспоненциального распределения, используя функции получения случайного числа с заданным распределением из лабораторной работы 3, составим программу:
clc;
x = [];
x1 = [];
lambda = 10;
y = x;
y1 = x;
n = 100;
hold on;
for i = 1 : n
x(i) = eksp(lambda);
y(i) = i / n;
end
Для получения гистограммы и генеральной плотности распределения, используем следующий код, результат представлен на рисунках 2.10 – 2.11:
x = sort(x);
minx = min(x);
maxx = max(x);
x1 = minx - 5 : 0.1 : maxx;
y1 = expcdf(x1,lambda);
plot(x1,y1,'-r');
stairs(x,y);
hold off;
figure;
hold on;
hist(x,10);
y1 = exppdf(x1,lambda);
y1 = y1 * n * (maxx - minx) / 10 ;
plot(x1,y1,'-r');
Рисунок 2.10 – Совместный график эмпирической и генеральной функции распределения
Рисунок 2.11 – Совместный график гистограммы и генеральной плотности распределения
Для исследования сходимости эмпирической функции распределения к генеральной изменяем объем выборки в 10, 100 раз от первоначального объема. Результат представлен на рисунках 2.12 – 2.13.
Рисунок 2.12– Совместный график эмпирической и генеральной функции распределения при объеме выборки равном 1000
Рисунок 2.13– Совместный график эмпирической и генеральной функции распределения при объеме выборки в 10000
Вывод:
Выполнив лабораторную работу, доказали на практике сходимость эмпирического распределения к генеральному при увеличении объема выборки. Построили гистограммы и эмпирические функции распределения. Из гистограмм, при незнании закона распределения, можно сделать предположение о принадлежности выборки к определенному закону распределения.