《概率统计》实验报告
专业 数学 班级 ** 姓名 **
学号20120402444 实验地点 电教楼五号机房 实验时间 2014.06.03
一、实验目的
1.学会用matlab计算常见分布的概率。
2.熟悉matlab中用于描述性统计的基本操作与命令
3.学会matlab进行参数估计与假设检验的基本命令与操作
二、实验内容:(给出实验程序与运行结果)
实验一:
1. 在50个产品中有18个一级品,32个二级品,从中任意抽取30个,求其中恰有20个二级品的概率;
解:由题可知:p=
程序如下:
>>p=nchoosek(18,10)*nchoosek(32,20)/nchoosek(50,30)
p = 0.2096
2、设随机变量,求;
解:p(2<X<5)=
程序如下:
>>p=normcdf(5,3,2)-normcdf(2,3,2)
p =0.5328
P(|X|>2)=
程序如下:
>>p=1-[normcdf(2,3,2)-normcdf(-2,3,2)]
p = 0.6977
3、一批产品的不合格率为0.02,现从中任取40件进行检查,若发现两件或两件以上不合格品就拒收这批产品,求拒收的概率。
解:
程序如下:
>>p=1-binopdf(0 ,40,0.02)-binopdf(1 ,40,0.02)
p = 0.1905
实验二:
1、在同一个坐标系中画出均值为6,方差为1,2,3的正态分布概率密度图形。
解:程序如下:
>>x=-20:0.01:20;
>>y1=normpdf(x,6,1);y2=normpdf(x,6,2^(1/2));y3=normpdf(x,6,3^(1/2));
>> plot(x,y1,x,y2,x,y3)
2、根据调查,某集团公司的中层管理人员的年薪(单位:万元)数据如下:
40.6 39.6 37.8 36.2 38.8 38.6 39.6 40.0 34.7 41.7
38.9 37.9 37.0 35.1 36.7 37.1 37.7 39.2 36.9 38.3
求其公司中层管理人员年薪的样本均值、样本标准差、直方图。
解:
程序如下:
>>x=[40.6 39.6 37.8 36.2 38.8 38.6 39.6 40.0 34.7 41.7 38.9 37.9 37.0 35.1 36.7 37.1 37.7 39.2 36.9 38.3];
>> mean(x)
ans = 38.1200
>> std(x)
ans = 1.7772
>>hist(x)
实验三:
1、假设轮胎的寿命服从正态分布,现随机抽取12只轮胎试用,测得它们的寿命(单位:万千米)如下:4.68 4.85 4.32 4.85 4.61 5.02 5.20 4.60 4.58 4.72 4.38 4.70 求置信度为0.95的置信区间。
解:1、用t分布求的置信区间。
,
取,又,所以置信度为0.95置信区间为
2、用分布求的置信区间
又,,所以置信度为0.95置信区间为
从而的0.95的置信区间: [0.1757,0.4211]
程序如下:
>>x=[4.68 4.85 4.32 4.85 4.61 5.02 5.20 4.60 4.58 4.72 4.38 4.70]
x =
Columns 1 through 6
4.6800 4.8500 4.3200 4.8500 4.6100 5.0200
Columns 7 through 12
5.2000 4.6000 4.5800 4.7200 4.3800 4.7000
>> [a,b,c,d]=normfit(x)
a = 4.7092 b = 0.2480
c = 4.5516 d = 0.1757
4.8667 0.4211
2、某种电子元件的寿命X(以小时计)服从正态分布,、σ2均未知。现测得16只元件的寿命如下
159 280 101 212 224 379 179 264 222 362 168 250 149 260 485 170
问是否有理由认为元件的平均寿命大于225(小时)?
解:未知时,用t检验。
假设:
拒绝域为 ,
查表可知:
9746.8 , 98.73
检验统计量0.6685
由于0.6685不在(中,故接受原假设,有理由认为元件的平均寿命大于225(小时)
程序如下:
>> x=[159 280 101 212 224 379 179 264 222 362 168 250 149 260 485 170]
>> [h]=ttest(x,225,0.05,'left')
h = 0
故接受原假设
三、实验总结与体会
通过这次实验,让我对概率论与数理统计有了进一步的了解,也是对所学知识的又一次巩固。虽然在起初因命令词输入不对导致结果错误,但在同学的帮之下解决了。总的来说这个实验中也掌握了Matlab中关于概率论与数理统计部分的操作方法,学习掌握了许多原本不知道的或者不太熟悉的命令,特别注意的是实验中标点,字体的使用。运用matlab不仅能比较快速准确地计算各种概率,而且也可用于作图,并运用于统计等方面,总之掌握它对我们以后一些方面的研究有帮助。
第二篇:査中尉概率统计实验报告
重庆三峡学院
实 验 报 告
课程名称 工程数学——概率统计简明教
实验名称 实验教学——概率论的统计实验
实验类型 验 证 学时 6
系 别 电子与信息工程学院 专业电子信息工程
年级班别 09级电信(2)班开出学期10~11(下)
学生姓名 管文辉 学号200907014244
实验教师 査中伟 分数
2011年 6 月 8 日
一、 随机变量及其分布
1、 二项分布
利用Mathematica绘出二项分布的概率分布与分布函数的图形, 通过观察图形, 进一步理解二项分布的概率分布与分布函数的性质.
设, 输入
<<Statistics`
<<Graphics`Graphics`
n=20;p=0.2;dist=BinomialDistribution[n,p];
t=Table[{PDF[dist,x+1],x},{x,0,20}];g1=BarChart[t,PlotRange->All];
g2=Plot[Evaluate[CDF[dist,x]],{x,0,20},PlotStyle->{Thickness[0.008],
RGBColor[0,0,1]}];
t=Table[{x,PDF[dist,x]},{x,0,20}];
gg1=ListPlot[t,PlotStyle->PointSize[0.03],DisplayFunction->Identity];
gg2=ListPlot[t,PlotJoined->True,DisplayFunction->Identity];
p1=Show[gg1,gg2,g1,DisplayFunction->$DisplayFunction,PlotRange->All];
程序执行结果如下:
从图可见, 概率随着的增加,先是随之增加, 直到达到最大值, 随后单调减少. 分布函数的值实际上是的累积概率值.
通过改变与的值, 可以利用上述程序观察二项分布的概率分布与分布函数随
着与而变化的各种情况, 从而进一步加深对二项分布及其性质的理解.
二、 概率论的基本概论
常言道,“三个臭皮匠,顶个诸葛亮”. 这是对人多办法多、人多智慧高的一种先赞誉, 你可曾想到, 它可以从概率的计算得到证实. 下面我们来模拟: 利用计算机随机提问, 统计诸葛亮回答出问题的次数以及三个“臭皮匠”回答出问题的次数(如表1-4所示). 设诸葛亮、臭皮匠独立解决某问题的概率分别为:
表1-4
事实上, 若用表示“第i个臭皮匠独立解决某问题”, 则事件B—“问题被解决”可表示为则
看! 三个并不聪明的“臭皮匠”居然能解决90%以上的问题, 聪明的诸葛亮不过如此.
<<Statistics`
zhgl[n_Integer,p,p1,p2,p3]:=Module[{k=0,i},t={};
t1=Table[Random[BernoulliDistribution[p]],{i,1,n}];
times1=Frequencies[t1][[2]][[1]];
t2=Table[Random[BernoulliDistribution[p1]],{i,1,n}];
times2=Frequencies[t2][[2]][[1]];
t3=Table[Random[BernoulliDistribution[p2]],{i,1,n}];
times3=Frequencies[t3][[2]][[1]];
t4=Table[Random[BernoulliDistribution[p3]],{i,1,n}];
times4=Frequencies[t4][[2]][[1]];
Do[If[t2[[i]]+t3[[i]]+t4[[i]]==0,k++,k],{i,1,n}];
times=n-k;t=Append[t,{n,times1,times2,times3,times4,times}];
TableForm[t,TableHeadings->{None,{"n","z","a","b","c","total"}}]]
n=100;p=0.9;p1=0.45;p2=0.55;p3=0.6;zhgl[n,p,p1,p2,p3]
n=1000;p=0.9;p1=0.45;p2=0.55;p3=0.6;zhgl[n,p,p1,p2,p3]
n=5000;p=0.9;p1=0.45;p2=0.55;p3=0.6;zhgl[n,p,p1,p2,p3]
mathematica程序执行结果:
实验结果表明,三个臭皮匠赛过诸葛亮这个结论是正确的。
三、 数字特征
设X,Y相互独立, 都服从(0,1)上的均匀分布, 求的概率密度.
理论上, 我们可用卷积公式直接求出的密度函数:
下面, 我们作如下模拟试验:
(1) 产生两组服从(0,1)上均匀分布的相互独立的随机数 取
计算
(2) 用数据作频率直方图, 并在同一坐标系内画出用卷积公式求得的密度函数图形作
比较.
输入
<<Statistics`
Clear[g1,t,t1,t2];t={};n=1000;
g1[x_]:=50*Which[0<=x<=1,x,1<=x<=2,2-x,True,0];
pic1=Plot[g1[x],{x,0,2},PlotStyle->{Thickness[0.01],RGBColor[0,0,1]}];
t1=RandomArray[UniformDistribution[0,1],n];
t2=RandomArray[UniformDistribution[0,1],n];
Do[t=Append[t,t1[[i]]+t2[[i]]],{i,n}];p1=Histogram[t];
Show[pic1,p1,DisplayFunction->$DisplayFunction];
则在同一坐标系中输出所求频率直方图与密度函数的图形
观察方差变化对正态分布的影响
设X, Y, Z都是连续型随机变量, 均服从正态分布:
.
取, 输入下列命令语句, 分别产生服从的三组随机数, 并画出其直方图.
输入
<<Statistics`
n=2000;data1=RandomArray[NormalDistribution[0,1.5^2],n];
Histogram[data1,PlotRange->All];
data2=RandomArray[NormalDistribution[0,1],n];
Histogram[data2,PlotRange->All];
data3=RandomArray[NormalDistribution[0,0.5^2],n];
Histogram[data3,PlotRange->All];
则根据所产生的随机数, 输出如下直方图
从图中观察可以得出,方差越小,结果的分散程度越低。