前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >统计分布讲解

统计分布讲解

作者头像
巴山学长
发布2020-09-22 10:50:25
6710
发布2020-09-22 10:50:25
举报
文章被收录于专栏:巴山学长
概率论是一门数学学科,它与几何或分析力学等学科有很相似的目标。之前有一直和大家讲Monte Carlo、分布函数、抽样方法,高端的玩家往往会用最基本的东西玩出不一般的花样,本期过冷水和大家一起学习Matlab有关数据统计和随机变量分布的入门知识。

随机现象中,变量的取值是不确定的,称之为随机变量。描述随机变量取值概率的函数称为概率分布。对于随机变量,通常主要关心它的两个主要数字特征:数学期望用于描述随机变量的平均值,方差用于描述随机变量分布的差异程度,方差的算术平方根称为均方差。另外协方差和相关系数用于描述两个变量的线性关联程度。

随机变量的分布根据其取值特点不同主要分为离散型和连续型两类,若用ζ表示实验投硬币计正方面次数,“正面向上次数”,其取值可能为0,1,2,.....10,则为离散型随机变量。典型的离散型分布有离散均匀分布、二项分布、Possion分布等。若用变量η表示学生群体的身高分布,其取值可能在[1.5,2.5]中任何值,则为连续型随机变量。典型的连续型分布有均匀分布、正态分布、指数分布、χ2分布、t分布、F分布。

统计分布函数:

代码语言:javascript
复制
y = pdf('name',x,A,B,C,D)

Name:表示具体分布类型;x:随机变量;A、B、C、D:不同分布对应的参数。

常见概率分布密度函数如下表:

中文函数名

调用名称

输入参数A

输入参数B

输入参数C

输入参数D

Beta分布

Beta

a第一个形状参数

b第二个形状参数

——

——

二项分布

Binomial

n实验次数

p 每次成功实验的概率

——

——

卡法分布

Chisquare

v自由度

——

——

——

指数分布

Exponetial

u均值

——

——

——

F分布

F

v1分子自由度

v2分母自由度

——

——

Gamma分布

Gamma

a形状参数

b尺度参数

——

——

几何分布

Geometric

ρ概率参数

——

——

——

超几何分布

Hypergeometric

m总体的大小

k总体所需特征项数

n抽取样本数

——

对数分布

Lognormal

u对数值均值

σ对数值的标准差

——

——

负二项分布

Negative Binomial

r成功次数

p单个实验成功概率

——

——

非中心F分布

Noncentral F

v1分子自由度

v2分母自由度

δ非中心参数

——

非中心t分布

Noncentral t

v自由度

δ非中心参数

——

——

非中心卡方

Noncentral Chi-square

v自由度

δ非中心参数

——

——

正态分布

Normal

u均值

σ标准差

——

——

泊松分布

Poisson

λ均值

——

——

——

瑞利分布

Rayleigh

b尺度参数

——

——

——

T分布

T

v自由度

——

——

——

均匀分布

Uniform

a下部端点

b上部端点

——

——

离散均匀分布

Discrete Uniform

n最大可观测值

——

——

——

Weibull分布

Weibull

a尺度参数

b形状参数

——

——

离散均匀分布案例:

设一个随机变量ζ服从离散均匀分布,如果其概率为

则其分布函数为:

代码:

代码语言:javascript
复制
n=20;x=1:n;
y = pdf('Discrete Uniform',x,n);
%绘制分布图像
figure1 = figure;
axes1 = axes('Parent',figure1);
hold(axes1,'on');
plot(x,y,'MarkerFaceColor',[0 0.447058826684952 0.74117648601532],'MarkerEdgeColor',[0 0 1],'Marker','o','LineWidth',2,'Color',[1 0 0]);
ylabel('概率分布');xlabel('随机变量');
title('离散均匀分布');
xlim(axes1,[0 21]);ylim(axes1,[-0.2 0.4]);
box(axes1,'on');
hold(axes1,'off');
set(axes1,'FontSize',14,'LineWidth',2,'YTick',[-0.2 -0.14 -0.08 -0.02 0.04 0.1 0.16 0.22 0.28 0.34 0.4 0.4]);
%储存图像
% pwd是获取当前运行目录
filename=[pwd,'\','离散均匀分布'];
print(filename,figure1,'-r600','-dtiffn');

二项分布:

若将实验可能结果分为两个:A发生、A不发生,则称此随机实验为二项分布:

那么ζ服从一个简单离散分布P(ζ=1)=p,P(ζ=0)=1-p,称为二项分布。将二项分布实验独立重复进行n次,称为n重二项分布,n重二项分布实验中A发生的次数分布为:

称为参数为n、p的二项分布:ζ~B(n,p)。

代码:

代码语言:javascript
复制
x=0:50;
n=500;P=0.05
y = pdf('Binomial',x,n,p);
%绘制分布图像
figure1 = figure;
axes1 = axes('Parent',figure1);
hold(axes1,'on');
plot(x,y,'MarkerFaceColor',[1 0 0],'MarkerEdgeColor',[1 0 0],'MarkerSize',8,'Marker','*','LineWidth',2);
ylabel('发生概率');xlabel('事件发生次数');
title('二项分布');
box(axes1,'on');
hold(axes1,'off');
set(axes1,'Clipping','off','FontName','楷体','FontSize',14,'LineWidth',2);
%储存图像
% pwd是获取当前运行目录
filename=[pwd,'\','二项分布'];
print(filename,figure1,'-r600','-dtiffn');

均匀分布

连续型概率分布的表达式与离散型有很大不同,因为连续型随机变量取值是无法列举的,况且在单个点取值的概率总是0。连续型概率分布是用密度函数来表示。相应随机变量取值的概率可通过对密度函数积分得到。

均匀分布密度函数:

代码:

代码语言:javascript
复制
x=linspace(-10,10,100)
p=1/5;
pd = makedist('Uniform',p);
y = pdf(pd,x);
%均匀分布的累计概率分布
syms x
x1=linspace(-10,0,100);
x2=linspace(0,5,100);
x3=linspace(5,10,100);
y1=linspace(0,0,100);
f=@(t)(1/5);%概率密度分布;
y2=double(arrayfun(@(t)(int(f,x,0,t)),x2));
y3=linspace(1,1,100)

%绘制分布图像
int(1/5,x,0,5)
figure1 = figure;
axes1 = axes('Parent',figure1);
hold(axes1,'on');
plot(x,y,'MarkerFaceColor',[1 0 0],'MarkerEdgeColor',[1 0 0],'Marker','o','LineWidth',2);
ylabel('概率密度分布函数','FontName','楷体');
xlabel('随机变量','FontName','楷体');
title('均匀分布');
xlim(axes1,[-11 11]);
ylim(axes1,[-0.02 0.23]);
hold(axes1,'off');
% 设置其余坐标区属性
set(axes1,'FontName','楷体','FontSize',14,'FontWeight','bold','LineWidth',2,'YMinorTick','on','YTick',[-0.02 0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2 0.22 0.23]);
%绘制累计概率分布
figure2 = figure;
axes1 = axes('Parent',figure2);
hold(axes1,'on');
plot([x1 x2 x3],[y1 y2 y3],'DisplayName','$f(x)=1/5,   ,0<x<5$','LineWidth',2);
ylabel('累计概率分布','FontWeight','bold','FontName','楷体');
xlabel('随机变量','FontWeight','bold','FontName','楷体');
title('均匀分布');
 xlim(axes1,[-11 11]);
 ylim(axes1,[-0.08 1.1]);
hold(axes1,'off');
set(axes1,'FontName','楷体','FontSize',14,'FontWeight','bold','LineWidth',2);
legend1 = legend(axes1,'show');
set(legend1,'Position',[0.150457307741795 0.856255571979886 0.239467178461172 0.0402666677951811],'Interpreter','latex')
%储存图像
% pwd是获取当前运行目录
filename1=[pwd,'\','均匀分布'];
filename2=[pwd,'\','累计概率分布'];
print(filename1,figure1,'-r600','-dtiffn');
print(filename2,figure2,'-r600','-dtiffn');

正态分布

正态分布是应用最广泛的一类概率分布,其概率密度为:

记为N(u,σ2),其中u是随机变量取值的平均,而σ表征了随机变量取值的差异。特别地,N(0,1)称为标准正态分布。

代码:

代码语言:javascript
复制
x=-8:0.1:8;
mu=0;sigma=1;
pd = makedist('Normal',mu,sigma);
y = pdf(pd,x);
%正态分布的累计概率分布
syms x
x1=-8:0.1:8;
mu=0;sigma=1;
f=@(x)((1./sqrt(2*pi*sigma)).*(exp((-(x-mu).^2)./(2*sigma.^2))));%定义原始积分项函数;
y1=arrayfun(@(x)(quad(f,-8,x)),x1);
%绘制分布图像
figure1 = figure;
axes1 = axes('Parent',figure1);
hold(axes1,'on');
plot(x,y,'MarkerFaceColor',[1 0 0],'MarkerEdgeColor',[1 0 0],'Marker','o','LineWidth',2);
ylabel('随机变量概率密度');
xlabel('随机变量');
title('正态分布');
xlim(axes1,[-9 9]);
ylim(axes1,[-0.04 0.5]);
hold(axes1,'off');
set(axes1,'FontName','楷体','FontSize',14,'FontWeight','bold','LineWidth',2,'XTick',[-8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8],'YTick',[-0.04 0.01 0.06 0.11 0.16 0.21 0.26 0.31 0.36 0.41 0.46 0.5]);
%累计概率分布图像
figure2 = figure;
axes1 = axes('Parent',figure2);
hold(axes1,'on');
plot(x1,y1,'DisplayName','$F(X)=\int_{-8}^{t}f(t)dt$','LineWidth',2);
text('Parent',axes1,'FontWeight','bold','FontSize',14,'Interpreter','latex','String','$N(\mu={0},\sigma^{2} ={1})$','Position',[-7.26031294452347 1.03435582822086 0]);
ylabel('累计概率');
xlabel('随机变量');
title('正态累计分布');
box(axes1,'on');
hold(axes1,'off');
set(axes1,'FontName','楷体','FontSize',14);
legend1 = legend(axes1,'show');
set(legend1,'Position',[0.134682450787465 0.850159728422969 0.220896033581171 0.049125053411969],'Interpreter','latex','FontSize',14);
%储存图像
% pwd是获取当前运行目录
filename1=[pwd,'\','正态分布'];
filename2=[pwd,'\','正态累计分布'];
print(filename1,figure1,'-r600','-dtiffn');
print(filename2,figure2,'-r600','-dtiffn');

正态分布对应的累计概率分布整体是没有问题的,从图像上可以看见2~4之间图像有个小凹凸,why?过冷水一时间也反应不过来,读者中有精通程序语言&数学的可以看看这个小问题是怎么回事,有答案欢迎在下方留言给出真知灼见。

本期过冷水就和大家分享以上几个常见的概率分布的函数图像的绘制方法,大家对pdf函数的使用方法有个熟悉了解就可以了。关于统计的分析方法和应用你我若是有缘会在下期和大家相见。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2020-09-20,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 巴山学长 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档