21

% нормальное
Mx=20;
sigma=4,47;
x=5:0.1:35;
f=normpdf(x, Mx, sigma);
figure(1)
plot(x,f)
title (['Нормальное, плотность'])
xlabel('Значения СВ')
ylabel('Вероятность')

F=normcdf(x, Mx, sigma);
figure(2)
plot(x,F)
title (['Нормальное, ф-я распределения'])
xlabel('Значения СВ')
ylabel('Вероятность')

% равномерное
a=20;
b=40;
x=15:0.1:45;
f=unifpdf(x, a, b);
figure(3)
plot(x,f)
title (['Равномерное, плотность'])
xlabel('Значения СВ')
ylabel('Вероятность')

F=unifcdf(x, a, b);
figure(4)
plot(x,F)
title (['Равномерное, ф-я распределения'])
xlabel('Значения СВ')
ylabel('Вероятность')

%экспоненциальное
x=0:0.1:40;
lambda=4
F=exppdf(x,lambda);
figure(5)
plot(x,F)
xlim([0,1])
title (['Экспоненциальное, плотность'])
xlabel('Значения СВ')
ylabel('Вероятность')

f=expcdf(x,lambda);
figure(6)
plot(x,f)
xlim([0,1])
title (['Экспоненциальное, ф-я распределения'])
xlabel('Значения СВ')
ylabel('Вероятность')

% релеевское
s = 4,47; % сигма
N = 1000; % объем выборки
x = s*sqrt(-2*log( 1-rand(1,N) )); % выборка случайных чисел с релеевским законом

t = linspace(min(x),max(x),100);
c = t/s^2 .* exp(- t.^2/(2*s^2) ); % теоретическое распределение

% получаем гистограмму
[yn2 xn2] = hist(x,50);
yn2 = yn2/(length(x)*(xn2(2)-xn2(1))); % считаем плотность по гистограмме
plot (t,c,':r',... %теор
xn2,yn2,'b') % эксперимент
grid on
title (['Релеевскоге р-я, плотность вероятности для N=',num2str(N)])
legend('Теоретическая','Экспериментальная')
xlabel('x')
ylabel('p')