maple5_pdf / chap10 статистика
.pdf112 |
Глава 10 |
(data1),listlist):
fit[leastmediansquare[[x,y]]](data);
>plot({op(2,"),data1},x=-2..4, y=0..5, style=POINT);
Поясним вычисления по этому методу. Выбирается две точки, например, [1,2] и [2,3]. Через них проводится прямая линия, в нашем слу - чае y=1+x, и рассчитываются квадраты расстояния от лини до всех точек: [0,0,0,sqrt(2)/2]. Далее определяется медиана для полученного списка, которая равна нулю. Проделав подобные вычисления для всех возможных линий, находят минимальное значение. Линия, соо тветствующая этому минимальному значению медианы, и будет рез ультатом.
10.3 Подбиблиотека transform
Подбиблиотека содержит богатые возможности для выполне ния преобразований над данными, что видно при рассмотрении ее содержания, приведенного ниже. Формат вызова:
stats[transform, <function>](args)
èëè
transform[<function>](args)
где args – списки данных, <function> одно из ключевых слов (см. таблицу).
Рассмотрим некоторые возможности на примерах. Зададим массив данных data3:
© Прохоров Г.В., Колбеев В.В., Желнов К.И., Леденев М.А., 1998 «Математический пакет Maple V Release 4».
При перепечатке ссылка на первоисточник обязательна.
|
|
Статистика |
113 |
|
|
|
|
|
|
|
ФУНКЦИЯ |
ВЫПОЛНЯЕМЫЕ ПРЕОБРАЗОВАНИЯ |
|
|
|
apply |
Замена элементов данных новыми, вычислен- |
|
|
|
|
ными по формуле |
|
|
|
classmark |
Заменяет классы данных их средними значения- |
|
|
|
|
ìè |
|
|
|
frequency |
Подсчитываются веса элементов данных |
|
|
|
deletemissing |
Вычитание пустых элементов из списка данных |
|
|
|
divideby |
Деление каждого элемента на число или стати- |
|
|
|
|
стическую функцию |
|
|
|
frequency |
Частотность каждого входящего элемента в |
|
|
|
|
данных |
|
|
|
moving |
Вычисление средних значений последователь- |
|
|
|
|
ных порций элементов |
|
|
|
multiapply |
Преобразование по формуле данных, представ- |
|
|
|
|
ленных списками |
|
|
|
remove |
Вычитание из данных числа или статистической |
|
|
|
|
функции |
|
|
|
scaleweight |
Умножение весов данных на число |
|
|
|
split |
Разбить данные на множество списков с соот- |
|
|
|
|
ветствующими весами |
|
|
|
standardscore |
Замена элементов данных |
|
|
|
statsort |
Сортировка статистических данных |
|
|
|
statvalue |
Дать величину каждого элемента данных и эле- |
|
|
|
|
ментов множества, описанные весами, как еди- |
|
|
|
|
ничный элемент |
|
|
|
tally |
Подсчет повторяемости каждого элемента |
|
|
|
tallyinto |
Подсчет повторяемости каждого элемента в оп- |
|
|
|
|
ределенном классе |
|
|
|
|
|
|
|
>data3:=[1,1,2,3,3,4,4,4,5,6,6,9]:
Подсчитаем веса, входящих в него элементов:
>y45:=transform[tally](data3);
y45 := [Weight(3, 2), Weight(4, 3), 5, Weight(6, 2), 9, 2, Weight(1, 2)]
Выделим из полученного списка y45 первый элемент:
> op(1,y45);
Weight(3, 2)
© Прохоров Г.В., Колбеев В.В., Желнов К.И., Леденев М.А., 1998 «Математический пакет Maple V Release 4».
При перепечатке ссылка на первоисточник обязательна.
114 |
Глава 10 |
Подсчитаем, сколько элементов попадает в указанные диапа зоны:
>y40:= transform[tallyinto](data3, [0..5,5..10,10..15]);
y40 := [Weight(0 .. 5, 8), Weight(5 .. 10, 4), Weight(10 .. 15, 0)]
После этого можно определить частотность одинаковых эле ментов, например так:
> transform[frequency](y40);
[8, 4, 0]
Присвоим идентификатору n2 значение числа элементов, указанное во втором члене полученного списка y40:
> n2:=op(2,op(2,y40));
n2 := 4
Далее можно воспользоваться переменной n2. Например, вычислим такое выражение:
> n2*n2–1;
15
Вычтем из каждого элемента списка data3 среднее значение это го списка:
> transform[remove[mean]](data3);
[–3, –3, –2, –1, –1, 0, 0, 0, 1, 2, 2, 5]
Разделим элементы списка data3 на 4.
> transform[ divideby[2]](data3);
é1 |
, |
1 |
, 1, |
3 |
, |
3 |
, 2, 2, 2, |
5 |
, 3, 3, |
9ù |
||
ê |
|
|
|
|
|
|
ú |
|||||
|
2 |
2 |
2 |
2 |
|
|||||||
ë2 |
|
|
|
|
|
2û |
Найдем средние значения трех последовательных элементо в в списке data3. Очевидно, что число элементов в новом списке будет меньш е на 3.
> transform[moving[3]](data3);
é |
4 |
, 2, |
8 |
, |
10 |
, |
11 |
, 4, |
13 |
, 5, |
17 |
, 7 |
ù |
|
ê |
|
|
|
|
|
|
ú |
|||||||
3 |
3 |
3 |
3 |
3 |
3 |
|||||||||
ë |
|
|
|
|
|
|
û |
Вычислим интегральную характеристику накопления весов элементов в данных:
© Прохоров Г.В., Колбеев В.В., Желнов К.И., Леденев М.А., 1998 «Математический пакет Maple V Release 4».
При перепечатке ссылка на первоисточник обязательна.
Статистика |
115 |
> transform[cumulativefrequency]([5,Weight
(1..7,10),2,2,2,2]);
[10, 11, 12, 13, 14]
Если есть некоторая функция, то можно выполнить преобразо вания над списком данных. Например, определим функцию f, возвр а- щающую третью степень аргумента.
> f:=x–>x^2;
f := x → x 2
> Mass_1:=transform[apply[f]]([1,3,5]);
Mass_1 := [1, 9, 25]
Затем найдем разность между соответствующими элементам и данных:
Дискретные распределения
КОМАНДА |
РАСПРЕДЕЛЕНИЕ |
ОПРЕДЕЛЕНИЕ |
||||||
binomiald[n,p] |
биномиальное |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
discreteuniform[a,b] |
дискретное равно- |
|
|
|
|
|
|
|
|
мерное |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
empirical[list_prob] |
эмпирическое |
равно 0, если x<1 |
||||||
|
|
èëè |
|
|
|
|
|
|
|
|
x>nops(list_prob), |
||||||
|
|
иначе равно |
|
|
||||
|
|
list_prob[x] |
|
|
|
|||
hypergeometric[N1, |
гипергеометриче- |
|
x n−x |
|
|
|
|
|
N2,n] |
ñêîå |
|
CN1 CN2 |
|
|
|
|
|
|
CnN1 +N2 |
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
negativebinomial[n, p] |
отрицательное би- |
|
n−1 |
n |
(1 |
|
|
x |
|
номиальное |
|
Cn+x−1p |
|
− p) |
|||
|
|
|
|
|
|
|
|
|
poisson[mu] |
Пуассона |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
© Прохоров Г.В., Колбеев В.В., Желнов К.И., Леденев М.А., 1998 «Математический пакет Maple V Release 4».
При перепечатке ссылка на первоисточник обязательна.
116 Глава 10
Непрерывные распределения
КОМАНДА |
РАСПРЕДЕЛЕ- |
|
|
|
|
|
|
ОПРЕДЕЛЕНИЕ |
|
|
|
|
|
|
||||||||||||||||||
|
ÍÈÅ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
beta[nu1, nu2] |
áåòà |
|
x ( n1 - 1 ) ( 1 - x )( n2 - 1 ) |
|
|
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
B( n1, n2 ) |
|
|
|
|
|
|
|
|
|
|
||||||||||
cauchy[a, b] |
Ê îøè |
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
æ |
+ |
|
x |
- a |
ö2 |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
p b ç 1 |
|
|
|
|
|
|
|
÷ |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
b |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
è |
|
|
|
|
|
|
|
|
ø |
|
|
(b> 0) |
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
chisquare[nu] |
хи–квадрат |
æ |
1 |
|
n |
- |
ö |
æ |
|
|
|
1 |
|
|
ö |
|
|
|
|
|
|
|
||||||||||
|
|
ç |
|
|
|
1 ÷ |
ç - |
|
|
x ÷ |
|
|
|
|
|
|
||||||||||||||||
|
|
|
x è |
2 |
|
|
|
|
|
|
ø e è |
|
|
2 |
|
|
ø |
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
æ 1 |
|
ö |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
ç |
|
|
n ÷ |
|
æ 1 |
|
ö |
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
è 2 |
|
ø |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
2 |
|
|
|
|
|
|
Gç |
|
|
|
n ÷ |
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
è 2 |
|
ø |
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
( x> 0, n> 0) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
exponential[alpha, |
экспоненциаль- |
|
a e |
( |
-a |
( x |
- |
a ) ) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
a] |
íîå |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
при x³a и равно 0 при |
|
|
|
|
|
|||||||||||||||||||||||||
|
|
x< a |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
fratio[nu1, nu2] |
Ф ишера |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
æ |
1 |
|
ö |
æ |
1 |
|
|
|
ö |
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ç |
|
n1÷ |
|
|
|
|
|
|||||||||
|
(F – распределе- |
æ 1 |
|
|
|
1 |
|
ö |
æ n1 |
ö |
è |
2 |
|
ø |
ç |
2 |
n1 |
- 1 ÷ |
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
è |
|
|
|
ø |
|
|
||||||||||||||||
|
íèå) |
|
Gç |
|
|
n1 + |
|
|
n2÷ |
ç |
|
÷ |
|
|
|
|
|
X |
|
|
|
|
|
|
|
|
||||||
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
è 2 |
|
|
|
|
ø |
è n2 ø |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
æ |
1 |
|
n1 + |
1 |
n2 |
ö |
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ç |
|
|
|
|
÷ |
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
æ 1 |
|
|
|
ö |
æ 1 |
ö æ |
1 + |
n1 f öè |
2 |
|
|
|
|
2 |
|
ø |
||||||||||||||
|
|
|
Gç |
n1÷ Gç |
|
n2÷ ç |
|
n2 |
÷ |
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
è 2 |
|
|
|
ø |
è 2 |
ø è |
|
|
|
|
ø |
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
x³0, n1> 0, n2> 0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
gamma[a, b] |
гамма |
|
|
|
|
|
|
|
|
|
|
|
|
æ |
- |
|
|
x ö |
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
x ( a - |
|
|
|
|
|
ç |
|
|
|
|
÷ |
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
1 ) e è |
|
|
|
b ø |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
G( a ) ba |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
x> 0, a> 0, b> 0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
© Прохоров Г.В., Колбеев В.В., Желнов К.И., Леденев М.А., 1998 «Математический пакет Maple V Release 4».
При перепечатке ссылка на первоисточник обязательна.
Статистика |
117 |
Непрерывные распределения (продолжение)
КОМАНДА |
РАСПРЕДЕЛЕНИЕ |
|
ОПРЕДЕЛЕНИЕ |
||||
laplaced[a, b] |
Лапласа |
æ |
- |
|
x - a |
|
ö |
|
1 |
ç |
|
|
|
÷ |
|
|
|
|
|
||||
|
e è |
|
|
b |
ø |
||
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
b |
|
|
|
|
|
|
|
|
|
|
|
|
b>0 |
|
|
|||||||||
Logistic[a, b] |
логистическое |
|
|
|
|
|
|
|
|
|
|
x - a |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
æ |
|
|
|
|
|
æ |
|
|
x - a |
ö ö2 |
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
ç |
|
|
|
|
|
ç - |
|
|
|
|
|
|
|
÷ |
÷ |
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
2 |
ç |
|
|
|
|
|
è |
|
|
|
b |
|
|
|
|
ø |
÷ |
|
|
|
|
|
|
|
|||||
|
|
|
|
|
ç |
|
|
|
|
|
|
|
|
|
|
|
|
÷ |
|
|
|
|
b>0 |
|||||||||||
|
|
|
b |
|
|
|
è 1 + e |
|
|
|
|
|
|
|
|
|
|
|
|
ø |
|
|
|
|
||||||||||
lognormal[mu, |
логарифмически |
|
|
|
|
|
|
|
æ |
|
1 (ln(x ) - m) |
2 |
ö |
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
ç |
|
|
÷ |
|
|
|
|
|
|
||||||||||||||||
sigma] |
нормальное |
|
|
|
|
|
|
|
ç |
- |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
÷ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
ç |
|
|
|
|
|
|
s |
|
|
|
|
|
|
÷ |
|
|
|
|
|
|
|||||
|
|
|
1 |
|
|
|
2 eè |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ø |
|
|
|
|
|
|
||||
|
|
2 |
|
|
|
|
|
|
|
|
x |
p s |
|
|
|
|
|
|
|
|
|
|
|
|
x>0 |
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
normald[mu, |
нормальное |
|
|
|
|
|
|
æ |
|
|
1 ( x - |
m ) |
2 |
ö |
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
ç |
|
|
|
|
÷ |
|
|
|
|
|
|
|
|
|
||||||||||||
sigma ] |
(Гаусса) |
|
|
|
|
|
|
ç |
- |
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
÷ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
ç |
|
|
|
|
|
|
|
|
|
|
|
|
|
÷ |
|
|
|
|
|
|
|
|
|
|||
|
|
1 |
|
e è |
|
|
|
|
|
|
|
s |
|
|
|
|
|
ø |
|
|
2 |
|
|
|
|
|
||||||||
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
p s 2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
studentst[nu] |
Стьюдента |
|
|
|
|
|
|
|
|
|
|
|
|
æ |
1 |
|
n + |
1 |
ö |
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
Gç |
|
|
|
|
|
÷ |
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
2 |
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
è |
|
|
|
ø |
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
æ 1 |
n |
+ |
1 |
ö |
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ç |
|
÷ |
|
|||||||
|
|
|
|
|
æ |
1 |
|
ö |
|
|
|
|
|
|
æ |
|
|
|
t |
2 |
öè 2 |
|
|
|
|
2 |
ø |
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
ç |
|
|
+ |
|
|
÷ |
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
Gç |
|
|
n ÷ |
|
n p ç 1 |
|
|
|
|
÷ |
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
2 |
|
|
n |
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
|
è |
|
ø |
|
|
|
|
|
|
è |
|
|
|
|
|
ø |
|
|
|
|
|
|
|
|
|
|||||
uniform[a, b] |
равномерное не- |
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
прерывное |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
b |
− a |
ïðè a≤x≤b, |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
и равно 0 в противном сл учае |
||||||||||||||||||||||||||||||||
weibull[a, b] |
Вейбула |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
æ |
æ x |
öa ö |
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ç |
-ç |
|
|
|
|
÷ |
|
÷ |
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
a x (a - 1 ) e è è b |
ø ø |
|
|
|
|
|
|
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ba |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
x>0, a>0, b>0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
© Прохоров Г.В., Колбеев В.В., Желнов К.И., Леденев М.А., 1998 «Математический пакет Maple V Release 4».
При перепечатке ссылка на первоисточник обязательна.
118 |
Глава 10 |
> Itog:=transform[multiapply[(x,y)–> x–y]]
([[12,40,70], Mass_1]);
Itog := [11, 31, 45]
Зададим список элементов data_0, рассортируем его, определим среднее значение и оценим разброс данных:
>data_0:=[1,3,5,3]: transform[statsort]
(data_0); describe[mean](data_0); describe[standarddeviation](data_0);
[1,3,3,5]
3
2
>transform[statvalue]([Weight(3,10),2,2,1,1,1]);
[3, 2, 2, 1, 1, 1]
10.4 Подбиблиотека random
Содержит мощные средства генерирования случайных чисел из генеральной совокупности с заданным законом распределени я. Формат вызова:
stats[random, distribution](quantity, uniform, method)
èëè
random[distribution](quantity, uniform, method)
где distribution – описание закона распределения получаемых чисел; quantity – опция (по умолчанию равно 1) положительное целое число, определяющее сколько случайных чисел нужно получить, или клю- чевое слово ‘generator’; uniform – опция (по умолчанию равно ‘default’) генерирующая числа равномерного распределения; method – одно из следующих ключевых слов ‘auto’, ‘inverse’ или ‘builtin’ (по молчанию = ‘auto’).
Библиотека включает следующие шесть дискретных и тринад цать
© Прохоров Г.В., Колбеев В.В., Желнов К.И., Леденев М.А., 1998 «Математический пакет Maple V Release 4».
При перепечатке ссылка на первоисточник обязательна.
Статистика |
119 |
непрерывных распределений (приведены в таблицах).
Рассмотрим возможности подбиблиотеки random на примерах. Сгенерируем четыре случайных числа из генеральной совок упнос-
ти, описываемой нормальным законом распределения:
>stats[random, normald](4);
.7433, .9421, –.8268, –.8957
Аналогично выше выполненному, создадим массив из 53 элемен - тов, но с заданными параметрами распределения: со средним значе- нием – 7 и среднеквадратическим отклонением – 1.5
>k:=53:
>mas_1:=stats[random, normald[7,1.5]](k):
Оценим среднее значение в полученном нами массиве и постр оим график, на котором покажем последовательность элементов , соединенных линиями, а также линию, показывающую среднее значение .
> describe[mean]([mas_1]);
7.076
> plot({describe[mean]([mas_1]), [[n,op(n,
[mas_1])]$n=1..k]}, n=1..k, style=line);
Генерируется четыре числа из гамма распределения:
> random[gamma[3]](4);
1.514910905, 1.972198351, 5.137418697, 3.631030278
Создадим команду назначения идентификатора с именем gen1 как генератора и получим по ней четыре чисела с точностью пре дставления по умолчанию.
© Прохоров Г.В., Колбеев В.В., Желнов К.И., Леденев М.А., 1998 «Математический пакет Maple V Release 4».
При перепечатке ссылка на первоисточник обязательна.
120 |
Глава 10 |
>gen1:=random[gamma[3]](‘generator’): ’gen1()’$4;
4.322417178, 1.556014201, 1.085076020, 7.213556406 Создадим под именем gen2 новый генератор и получим восемь слу-
чайных чисел с точность представления до 4:
>gen2:=random[gamma[3]](‘generator[4]’):
>‘gen2()’$8;
4.458, 5.016, 3.087, 5.379, 2.430, 1.485, .6150, 3.078
10.5 Подбиблиотека statevalf
Формат вызова:
stats[statevalf, <function>, <distribution>](args)
èëè
statevalf[<function>, <distribution>](args),
где <function> – одно из следующих выражений. Для непрерывных функций распределения:
cdf – функция распределения вероятности (интегральная функция); icdf – обратная функция от интегральной функции;
pdf – функция плотности вероятности (дифференциальная функция).
À äëÿ дискретных функций распределения:
dcdf |
– дискретная функция распределения вероятности; |
icdcf |
– обратная функция; |
pf |
– функция плотности вероятности. |
Ниже приведены примеры, поясняющие использование подбиб лиотеки statevalf.
Для компактности выводимых результатов, установим точно сть представления чисел до четырех значащих цифр.
> Digits:=4:
Определим значение функции плотности распределения Пуа ссона в точке 2:
© Прохоров Г.В., Колбеев В.В., Желнов К.И., Леденев М.А., 1998 «Математический пакет Maple V Release 4».
При перепечатке ссылка на первоисточник обязательна.
Статистика |
121 |
> stats[statevalf,pf,poisson[3]](2);
.2241
Определим значение обратной функции от интегральной фун кции нормального распределения в точке 0.7:
> stats[statevalf,icdf ,normald](0.7);
.5244
Определим значение функции плотности вероятности норма льного распределения в точке 0.7:
> stats[statevalf,pdf,normald](.5);
.3519
Для пояснения сказанного построим функцию.
> plot(stats[statevalf,pdf,normald](x),x=–3..3);
Получим восемь случайных чисел для гамма распределения и оценим их среднее значение:
> y3:=stats[random,gamma[3,1]](8);
y3 := 1.382, 3.726, 3.936, 3.930, 2.006, 5.439, 1.305, .5604
> describe[mean]([y3]);
2.786
Определим значение обратной функции от интегральной фун кции вероятности вейбуловского распределения в точке 0.5:
> stats[statevalf,icdf,weibull[3, 2]](0.5);
1.770
Получим пять случайных чисел для бета распределения:
> stats[random,beta[1,2]](5);
.4621, .4244, .2967, .4706, .3968
Получим четыре случайных числа для экспоненциального ра спре-
© Прохоров Г.В., Колбеев В.В., Желнов К.И., Леденев М.А., 1998 «Математический пакет Maple V Release 4».
При перепечатке ссылка на первоисточник обязательна.