实验一 统计、参数估计.docVIP

实验一 统计量、参数估计 实验指导 1. 专用概率密度函数计算特定值的概率pdf 离散型随机变量 bino（二项分布），geo（几何分布），poiss（Poisson分布），hyge（超几何分布） （1）二项分布的概率值 命令：binopdf 格式：binopdf (k,n,p) 说明：等同于pdf (‘bino’, k, n, p)。n—试验总次数；p—每次试验事件A发生的概率；k—事件A发生k次。 （2）Poisson分布的概率值 命令：poisspdf 格式：poisspdf (k, Lambda) 说明：等同于pdf (‘poiss’, k, Lambda)，参数Lambda = np。 （3）超几何分布的概率值 命令：hygepdf 格式：hygepdf (k, N, M, n) 说明：等同于pdf (‘hyge’, k, N, M, n)，N—产品总数，M—次品总数，n—抽取总数(n≤N)，k—抽得次品数。 连续型随机变量 （1）均匀分布： 命令：unifpdf 格式：unifpdf (x, a, b) 区间 [a, b] 上均匀分布概率密度在X = x处的函数值 exppdf 格式：exppdf (x, Lambda) 指数分布概率密度在X = x处的函数值 normpdf 格式：normpdf (x, mu, sigma) 正态分布概率密度在X = x处的函数值 卡方分布chi2pdf 格式：chi2pdf (x, n) 卡方分布概率密度在X = x处的函数值t分布tpdf 格式：tpdf (x, n) t分布概率密度在X = x处的函数值F分布fpdf 格式：fpdf (x, n1, n2) F分布概率密度在X = x处的函数值分布 命令：gampdf 格式：gampdf (x, a, b) 分布概率密度在X = x处的函数值分布 命令：betapdf 格式：betapdf (x, a, b) 分布概率密度在X = x处的函数值对数分布lognpdf 格式：lognpdf (x, mu, sigma) 对数分布概率密度在X = x处的函数值 负二项分布nbinpdf 格式：nbinpdf (x, R, P) 负二项分布概率密度在X = x处的函数值 weibull分布weibpdf 格式：weibpdf (x, a, b) weibull分布概率密度在X = x处的函数值 离散型随机变量 （1）二项分布的累积概率值 命令：binocdf 格式：binocdf (k, n, p) （2）Poisson分布的累积概率值 命令：poisscdf 格式：poisscdf (k, Lambda) （3）超几何分布的累积概率值 命令：hygecdf 格式：hygecdf (k, N, M, n) 连续型随机变量 （1）均匀分布： 命令：unifcdf 格式：unifcdf (x, a, b) 区间 [a, b] 上均匀分布在X = x处的函数值 expcdf 格式：expcdf (x, Lambda) 指数分布在X = x处的函数值 normcdf 格式：normcdf (x, mu, sigma) 正态分布在X = x处的函数值 卡方分布chi2cdf 格式：chi2cdf (x, n) 卡方分布在X = x处的函数值t分布tcdf 格式：tcdf (x, n) t分布在X = x处的函数值F分布fcdf 格式：fcdf (x, n1, n2) F分布在X = x处的函数值mean（），若X为向量，则返回向量的样本方差；若X为矩阵，则返回矩阵列向量的样本方差构成的行向量。 var (X, 1) %返回向量（矩阵）X的简单方差（即置前因子为1/n的方差） （3）样本标准差 函数：std %计算样本的标准差 格式：std (X) %返回向量（矩阵）X的样本标准差，即： std (X) = std (X, 1) %返回向量（矩阵）X的标准差（置前因子为1/n） std (X, 0) %与std (X)相同 （4）样本峰度： kurtosis（）（）的的矩估计 设X~N ()，x1, x2,…, xn为其样本，则的矩估计量为： 在Matlab中，样本x = [x1, x2,…, xn]， 则 样本均值：mx = 1/n*sum (x) 样本方差：sigma =