MatLab与概率、数理统计.pdf

《MatLab与概率、数理统计.pdf》由会员分享，可在线阅读，更多相关《MatLab与概率、数理统计.pdf（114页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、1 专题：Matlab概率统计 2 目录 1 随机数的产生 2 随机变量的概率密度计算 3 随机变量的累积概率值(分布函数值)4 随机变量的逆累积分布函数 5 随机变量的数字特征 6 统计作图 7 参数估计 8 假设检验 9 方差分析 3 1 随机数的产生 1.1 二项分布的随机数据的产生 1.2 正态分布的随机数据的产生 1.3 常见分布的随机数产生 1.4 通用函数求各分布的随机数据 4 1.1 二项分布的随机数据的产生 命令 参数为N，P的二项随机数据 函数 binornd 格式 R=binornd(N,P)N、P为二项分布的两个参数，返回服从参数为N、P的二项分布的随机数，N、P大小相

2、同。R=binornd(N,P,m)m指定随机数的个数。R=binornd(N,P,m,n)m,n分别表示R的行数和列数 例题 1 5 1.2 正态分布的随机数据的产生 命令 参数为、的正态分布的随机数据 函数 normrnd 格式 R=normrnd(MU,SIGMA)返回均值为MU，标准差为SIGMA的正态分布的随机数据，R可以是向量或矩阵。R=normrnd(MU,SIGMA,m)m指定随机数的个数，与R同维数。R=normrnd(MU,SIGMA,m,n)m,n分别表示R的行数和列数 例题 2 6 1.3 常见分布的随机数产生 7 1.4 通用函数求各分布的随机数据 命令 求指定分布的

3、随机数 函数 random 格式 y=random(name,A1,A2,A3,m,n)name的取值见下页表；A1，A2，A3为分布的参数；m，n指定随机数的行和列 例题4 产生12(3x4)个均值为2，标准差为0.3的正态分布的随机数 8 常见分布函数表 9 2 随机变量的概率密度计算 2.1 通用函数计算概率密度函数值 2.2 专用函数计算概率密度函数值 2.3 常见分布的密度函数作图 10 2.1 通用函数计算概率密度函数值 命令 通用函数计算概率密度函数值 函数 pdf 格式 Y=pdf(name，x，A)Y=pdf(name，x，A，B)Y=pdf(name，x，A，B，C)说明

4、返回在X=x处、参数为A、B、C的概率密度值，对于不同的分布，参数个数是不同；name为分布函数名，其取值如下表。11 常见分布函数表 12 例题4,5 例题4 计算正态分布N（0，1）的随机变量X在点0.6578的密度函数值。例题5 自由度为8的卡方分布，在点2.18处的密度函数值。13 2.2 专用函数计算概率密度函数值 命令 二项分布的概率值 函数 binopdf 格式 binopdf(k,n,p)等同于pdf(bino,k,n,p)，p 每次试验事件发生的概率；K事件发生k次；n试验总次数 14 命令 泊松分布的概率值 函数 poisspdf 格式 poisspdf(k,Lambda)

5、等同于pdf(pois,k,Lambda)15 命令 正态分布的概率值 函数 normpdf 格式 normpdf(x,mu,sigma)计算参数为=mu，=sigma的正态分布密度函数在x处的值 16 专用函数计算概率密度函数表 17 例题 6 绘制卡方分布密度函数在自由度分别为1、5、15的图形 x=0:0.1:30;y1=chi2pdf(x,1);plot(x,y1,:)hold on y2=chi2pdf(x,5);plot(x,y2,+)y3=chi2pdf(x,15);plot(x,y3,o)axis(0,30,0,0.2)%指定显示的图形区域 18 2.3 常见分布的密度函数作图

6、 二项分布(7)卡方分布(8)非中心卡方分布(9)指数分布(10)F分布(11)非中心F分布(12)分布 (13)对数正态分布(14)负二项分布(15)正态分布(16)泊松分布(17)瑞利分布(18)T分布(19)威布尔分布(20)19 3 随机变量的累积概率值(分布函数值)3.1 通用函数计算累积概率值 3.2 专用函数计算累积概率值（随机变量 的概率之和）20 3.1 通用函数计算累积概率值 命令 通用函数cdf用来计算随机变量的概率之和（累积概率值）函数 cdf 格式 cdf(name,K,A)cdf(name,K,A,B)cdf(name,K,A,B,C)说明 返回以name为分布、随

7、机变量XK的概率之和的累积概率值，name的取值见表1“常见分布函数表”21 例题21,22 例21 求标准正态分布随机变量X落在区间(-，0.4)内的概率（该值就是概率统计教材中的附表：标准正态数值表）。例22 求自由度为16的卡方分布随机变量落在0，6.91内的概率 cdf(norm,0.4,0,1)cdf(chi2,6.91,16)22 3.2 专用函数计算累积概率值（随机变量 的概率之和）命令 二项分布的累积概率值 函数 binocdf 格式 binocdf(k,n,p)n为试验总次数 p为每次试验事件A发生的概率 k为n次试验中事件A发生的次数 该命令返回n次试验中事件A恰好发生k次

8、的概率。23 命令 正态分布的累积概率值 函数 normcdf 格式 normcdf(x,mu,sigma)返回F(x)=的值，mu、sigma为正态分布的两个参数 xdt)t(p24 例23 设XN(3,22)，（1）求（2）确定c，使得 3XP,2XP,10X4P,5X2P12P XcP Xc52 XP104XP212XPXP3XP13XPp1=p2=p3=p4=p1=normcdf(5,3,2)-normcdf(2,3,2)p1=0.5328 p2=normcdf(10,3,2)-normcdf(-4,3,2)p2=0.9995 p3=1-normcdf(2,3,2)-normcdf(-

9、2,3,2)p3=0.6853 p4=1-normcdf(3,3,2)p4=0.5000 25 专用函数的累积概率值函数表 26 4 随机变量的逆累积分布函数 4.1 通用函数计算逆累积分布函数值 4.2 专用函数-inv计算逆累积分布函数 4.3 随机变量的数字特征 已知 ，求x。xXP)x(F27 4.1 通用函数计算逆累积分布函数值 命令 icdf 计算逆累积分布函数 格式 icdf(name,P,a1,a2,a3)返回分布为name，参数为a1,a2,a3，累积概率值为P的临界值，这里name与前面表1相同。如果P=cdf(name,x,a1,a2,a3)，则 x=icdf(name,

10、P,a1,a2,a3)28 例24,25,26 例24：在标准正态分布表中，若已知 =0.975，求x 例25：在 分布表中，若自由度为10，=0.975，求临界值Lambda。例26：在假设检验中，求临界值问题。已知：，查自由度为10的 双边界检验t分布临界值 )x(205.029 4.2 专用函数-inv计算逆累积分布函数 命令 正态分布逆累积分布函数 函数 norminv 格式 X=norminv(p,mu,sigma)p为累积概率值，mu为均值，sigma为标准差，X为临界值 满足：p=PXx。30 例题24,25 在标准正态分布表中，若已知 =0.975，求x 在 分布表中，若自由度

11、为10，=0.975，求临界值Lambda。)x(x=icdf(norm,0.975,0,1)x=1.9600 2P2 Lambda=icdf(chi2,0.025,10)Lambda=3.2470 31 例26 在假设检验中，求临界值问题：，查自由度为10的双边界检验t分布临界值 05.0lambda=icdf(t,0.025,10)lambda=-2.2281 32 常用临界值函数表 33 例27 设XN(3,22)，（1）求（2）确定c，使得 3XP,2XP,10X4P,5X2P12P XcP Xc23P Xc13P XcX=norminv(2/3,3,2)X=3.8615 34 例28

12、 公共汽车门的高度是按成年男子与车门顶碰头的机会不超过1%设计的。设男子身高X（单位：cm）服从正态分布N（175，36），求车门的最低高度。设h为车门高度，X为身高，求满足条件的h:即PX=0.99 01.0hXP35 例29 显示如下图：36 5 随机变量的数字特征 5.1 平均值、中值 5.2 数据比较 5.3 期望 5.4 方差 5.5 常见分布的期望和方差 5.6 协方差与相关系数 37 5.1 平均值、中值 命令 利用mean求算术平均值 格式 mean(X)X为向量，返回X中各元素的平均值 mean(A)A为矩阵，返回A中各列元素的平均值构成的向量 mean(A,dim)在给出的

13、维数内的平均值 说明 X为向量时，算术平均值的数学含义是 ，即样本均值。n1iixn1x例30 38 命令 忽略NaN计算算术平均值 格式 nanmean(X)X为向量，返回X中除NaN外元素的算术平均值。nanmean(A)A为矩阵，返回A中各列除NaN外元素的算术平均值向量。例31 39 命令 利用median计算中值（中位数）格式 median(X)X为向量，返回X中各元素的中位数。median(A)A为矩阵，返回A中各列元素的中位数构成的向量。median(A,dim)求给出的维数内的中位数 例32 40 命令 忽略NaN计算中位数 格式 nanmedian(X)X为向量，返回X中除N

14、aN外元素的中位数。nanmedian(A)A为矩阵，返回A中各列除NaN外元素的中位数向量。例33 41 命令 利用geomean计算几何平均数 格式 M=geomean(X)X为向量，返回X中各元素的几何平均数。M=geomean(A)A为矩阵，返回A中各列元素的几何平均数构成的向量。说明 几何平均数的数学含义是 ，其中：样本数据非负，主要用于对数正态分布。n1)x(Mn1ii例34 42 命令 利用harmmean求调和平均值 格式 M=harmmean(X)X为向量，返回X中各元素的调和平均值。M=harmmean(A)A为矩阵，返回A中各列元素的调和平均值构成的向量。说明 调和平均值

15、的数学含义是 ，其中：样本数据非0，主要用于 严重偏斜分布。n1iix1nM例35 43 5.2 数据比较 命令 排序 格式 Y=sort(X)X为向量，返回X按由小到大排序后的向量。Y=sort(A)A为矩阵，返回A的各列按由小到大排序后的矩阵。Y,I=sort(A)Y为排序的结果，I中元素表示Y中对应元素在A中位置。sort(A,dim)在给定的维数dim内排序 说明 若X为复数，则通过|X|排序。例36 44 命令 按行方式排序 函数 sortrows 格式 Y=sortrows(A)A为矩阵，返回矩阵Y，Y按A的第1列由小到大，以行方式排序后生成的矩阵。Y=sortrows(A,col

16、)按指定列col由小到大进行排序 Y,I=sortrows(A,col)Y为排序的结果，I表示Y中第col列元素在A中位置。说明 若X为复数，则通过|X|的大小排序。例37 45 命令 求最大值与最小值之差 函数 range 格式 Y=range(X)X为向量，返回X中的最大值与最小值之差。Y=range(A)A为矩阵，返回A中各列元素的最大值与最小值之差。例38 46 5.3 期望 命令 计算样本均值 函数 mean 例39 例40 设随机变量X的分布率为:X -2 -1 0 1 2 P 0.3 01.0.2 0.1 0.3 求E(X)和E(X2+1)47 5.4 方差 命令 求样本方差 函

17、数 var 格式 D=var(X)var(X)=s2,若X为向量，则返回向量 的样本方差。D=var(A)A为矩阵，则D为A的列向量的样本方差构成的行向量。D=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）D=var(X,w)返回向量（矩阵）X的以w为权重的方差 n1i2i2)Xx(1n1s48 命令 求标准差 函数 std 格式 std(X)返回向量（矩阵）X的样本标准差（置前因子为1/(n-1)）：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 std(X,flag,dim)返回向量（矩阵）中维数为dim的标准差值

18、，其中flag=0时，置前因子为1/(n-1)；否则置前因子为1/n。n1iiXx1n1std49 例41 求下列样本方差和样本标准差，方差与标准差 14.70 15.21 14.90 15.32 15.32 var(X)-样本方差 var(X,1)-方差 std(X)-样本标准差 std(X,1)-标准差 50 命令 忽略NaN的标准差 函数 nanstd 格式 y=nanstd(X)若X为含有元素NaN的向量，则返回除NaN外的元素的标准差，若X为含元素NaN的矩阵，则返回各列除NaN外的标准差构成的向量。例42 51 命令 样本的偏斜度 函数 skewness 格式 y=skewness

19、(X)X为向量，返回X的元素的偏斜度；X为矩阵，返回X各列元素的偏斜度构成的行向量。y=skewness(X,flag)flag=0表示偏斜纠正，flag=1（默认）表示偏斜不纠正。说明 偏斜度样本数据关于均值不对称的一个测度，如果偏斜度为负，说明均值左边的数据比均值右边的数据更散；如果偏斜度为正，说明均值右边的数据比均值左边的数据更散，因而正态分布的偏斜度为 0；偏斜度的定义：其中：为x的均值，为x的标准差，E(.)为期望值算子 33)x(Ey例43 52 5.5 常见分布的期望和方差 命令 均匀分布（连续）的期望和方差 函数 unifstat 格式 M,V=unifstat(A,B)A、B

20、为标量时，就是区间上均匀分布的期望和方差 A、B也可为向量或矩阵，则M、V也是向量或矩阵。例44 53 命令 正态分布的期望和方差 函数 normstat 格式 M,V=normstat(MU,SIGMA)MU、SIGMA可为标量也可为向量或矩阵，则M=MU，V=SIGMA2。例45 54 命令 二项分布的均值和方差 函数 binostat 格式 M,V=binostat(N,P)N，P为二项分布的两个参数，可为标量也可为向量或矩阵。例46 55 常见分布的均值和方差 56 5.6 协方差与相关系数 命令 协方差 函数 cov 格式 cov(X)求向量X的协方差 cov(A)求矩阵A的协方差矩

21、阵，该协方差矩阵的对角线元素是A的各列的方差，即：var(A)=diag(cov(A)。cov(X,Y)X,Y为等长列向量，等同于cov(X Y)。例47 57 命令 相关系数 函数 corrcoef 格式 corrcoef(X,Y)返回列向量X,Y的相关系数，等同于corrcoef(X Y)。corrcoef(A)返回矩阵A的列向量的相关系数矩阵 例48 58 6 统计作图 6.1 正整数的频率表 6.2 经验累积分布函数图形 6.3 最小二乘拟合直线 6.4 绘制正态分布概率图形 6.5 绘制威布尔(Weibull)概率图形 6.6 样本数据的盒图 6.7 给当前图形加一条参考线 6.8

22、在当前图形中加入一条多项式曲线 6.9 样本的概率图形 6.10 附加有正态密度曲线的直方图 6.11 在指定的界线之间画正态密度曲线 59 6.1 正整数的频率表 命令 正整数的频率表 函数 tabulate 格式 table=tabulate(X)X为正整数构成的向量，返回3列：第1列中包含X的值第2列为这些值的个数，第3列为这些值的频率。例49 60 6.2 经验累积分布函数图形 函数 cdfplot 格式 cdfplot(X)作样本X（向量）的累积分布函数图形 h=cdfplot(X)h表示曲线的环柄 h,stats=cdfplot(X)stats表示样本的一些特征 例50 61 6.

23、3 最小二乘拟合直线 函数函数 lsline 格式格式 lsline 最小二乘拟合直线最小二乘拟合直线 h=lsline h为直线的句柄为直线的句柄 例51 62 6.4 绘制正态分布概率图形 函数 normplot 格式 normplot(X)若X为向量，则显示正态分布概率图形，若X为矩阵，则显示每一列的正态分布概率图形。h=normplot(X)返回绘图直线的句柄 说明 样本数据在图中用“+”显示；如果数据来自正态分布，则图形显示为直线，而其它分布可能在图中产生弯曲。例53 63 6.5 绘制威布尔(Weibull)概率图形 函数 weibplot 格式 weibplot(X)若X为向量，

24、则显示威布尔(Weibull)概率图形，若X为矩阵，则显示每一列的威布尔概率图形。h=weibplot(X)返回绘图直线的柄 说明 绘制威布尔(Weibull)概率图形的目的是用图解法估计来自威布尔分布的数据X 如果X是威布尔分布数据，其图形是直线的，否则图形中可能产生弯曲。例54 64 6.6 样本数据的盒图 函数 boxplot 格式 boxplot(X)产生矩阵X的每一列的盒图和“须”图，“须”是从盒的尾部延伸出来，并表示盒外数据长度的线，如果“须”的外面没有数据，则在“须”的底部有一个点。boxplot(X,notch)当notch=1时，产生一凹盒图，notch=0时产生一矩箱图。b

25、oxplot(X,notch,sym)sym表示图形符号，默认值为“+”。boxplot(X,notch,sym,vert)当vert=0时，生成水平盒图，vert=1时，生成竖直盒图（默认值vert=1）。boxplot(X,notch,sym,vert,whis)whis定义“须”图的长度，默认值为1.5，若whis=0则boxplot函数通过绘制sym符号图来显示盒外的所有数据值。例55 65 6.7 给当前图形加一条参考线 函数 refline 格式 refline(slope,intercept)slope表示直线斜率，intercept表示截距 refline(slope)slop

26、e=a b，图中加一条直线：y=b+ax。例56 66 6.8 在当前图形中加入一条多项式曲线 函数 refcurve 格式 h=refcurve(p)在图中加入一条多项式曲线，h为曲线的环柄，p为多项式系数向量，p=p1,p2,p3,pn，其中p1为最高幂项系数。例57 67 6.9 样本的概率图形 函数 capaplot 格式 p=capaplot(data,specs)data为所给样本数据，specs指定范围，p表示在指定范围内的概率。说明 该函数返回来自于估计分布的随机变量落在指定范围内的概率 例58 68 6.10 附加有正态密度曲线的直方图 函数 histfit 格式 histf

27、it(data)data为向量，返回直方图和正态曲线。histfit(data,nbins)nbins指定bar的个数，缺省时为data中数据个数的平方根。例59 69 6.11 在指定的界线之间画正态密度曲线 函数 normspec 格式 p=normspec(specs,mu,sigma)specs指定界线，mu,sigma为正态分布的参数 p为样本落在上、下界之间的概率。例60 70 7 参数估计 7.1 常见分布的参数估计 7.2 非线性模型置信区间预测 7.3 对数似然函数 71 7.1 常见分布的参数估计 命令 分布的参数a和b的最大似然估计值和置信区间 函数 betafit 格式

28、 PHAT=betafit(X)PHAT,PCI=betafit(X,ALPHA)PHAT为样本X的分布的参数a和b的估计量 PCI为样本X的分布参数a和b的置信区间，是一个22矩阵，其第1例为参数a的置信下界和上界，第2例为b的置信下界和上界，ALPHA为显著水平，（1-）100%为置信度。例61 72 例61 随机产生100个分布数据，相应的分布参数真值为4和3。求该样本的最大似然估计值和置信度为99%的置信区间。X=betarnd(4,3,100,1);PHAT,PCI=betafit(X,0.01)PHAT=3.9010 2.6193 PCI=2.5244 1.7488 5.2776

29、3.4898 73 命令 正态分布的参数估计 函数 normfit 格式 muhat,sigmahat,muci,sigmaci=normfit(X)muhat,sigmahat,muci,sigmaci=normfit(X,alpha)muhat,sigmahat分别为正态分布的参数和的估计值，muci,sigmaci分别为置信区间，其置信度为(1-)x100%；alpha给出显著水平，缺省时默认为0.05，即置信度为95%。74 例62 有两组(每组100个元素)正态随机数据，其均值为10，均方差为2，求95%的置信区间和参数估计值。r=normrnd(10,2,100,2);mu,sig

30、ma,muci,sigmaci=normfit(r)mu=10.1455 10.0527%各列的均值的估计值 sigma=1.9072 2.1256%各列的均方差的估计值 muci=%各列均值的置信区间 9.7652 9.6288 10.5258 10.4766 sigmaci=%各列均方差的置信区间 1.6745 1.8663 2.2155 2.4693 75 例63 分别使用金球和铂球测定引力常数 （1）用金球测定观察值为：6.683 6.681 6.676 6.678 6.679 6.672 （2）用铂球测定观察值为：6.661 6.661 6.667 6.667 6.664 设测定值总

31、体为，和为未知。对(1)、(2)两种情况分别求和的置信度为0.9的置信区间。X=6.683 6.681 6.676 6.678 6.679 6.672;Y=6.661 6.661 6.667 6.667 6.664;mu,sigma,muci,sigmaci=normfit(X,0.1)%金球测定的估计 MU,SIGMA,MUCI,SIGMACI=normfit(Y,0.1)%铂球测定的估计 76 命令 利用mle函数进行参数估计 函数 mle 格式 phat=mle(dist,X)dist为分布函数名，如：beta(分布)、bino（二项分布）等，X为数据样本 返回用dist指定分布的最大似

32、然估计值 phat,pci=mle(dist,X)置信度为95%phat,pci=mle(dist,X,alpha)置信度由alpha确定，alpha为显著水平，(1-)x100%为置信度 phat,pci=mle(dist,X,alpha,pl)仅用于二项分布，pl为试验次数。例64 77 参数估计函数表 78 7.2 非线性模型置信区间预测 命令 高斯牛顿法的非线性最小二乘数据拟合 函数 nlinfit 格式 beta=nlinfit(X,y,FUN,beta0)返回在FUN中描述的非线性函数的系数。FUN为用户提供形如 的函数，该函数返回已给初始参数估计值和自变量X的y的预测值。若X为矩

33、阵，则X的每一列为自变量的取值，y是一个相应的列向量。如果FUN中使用了，则表示函数的柄。beta,r,J=nlinfit(X,y,FUN,beta0)beta为拟合系数，r为残差，J为Jacobi矩阵，beta0为初始预测值。)X,(fy 79 例65 混凝土的抗压强度随养护时间的延长而增加，现将一批混凝土作成12个试块，记录了养护日期x（日）及抗压强度y（kg/cm2）的数据：养护时间x=2 3 4 5 7 9 12 14 17 21 28 56 抗压强度y=35 42 47 53 59 65 68 73 76 82 86 99+r r为 一个-0.5,0.5之间的随机向量 建立非线性回归

34、模型，对得到的模型和系数进行检验。%模型为：y=a+k1*exp(m*x)+k2*exp(-m*x);80 clc;clear;x=2 3 4 5 7 9 12 14 17 21 28 56;y1=35 42 47 53 59 65 68 73 76 82 86 99;r=rand(1,12)-0.5;y=y1+r myfunc=inline(beta(1)+beta(2)*exp(beta(4)*x)+beta(3)*exp(-beta(4)*x),beta,x);beta=nlinfit(x,y,myfunc,0.5 0.5 0.5 0.5);a=beta(1),k1=beta(2),k2

35、=beta(3),m=beta(4)%test the model xx=min(x):max(x);yy=a+k1*exp(m*xx)+k2*exp(-m*xx);plot(x,y,o,xx,yy,r)结果：a=87.5244 k1=0.0269 k2=-63.4591 m=0.1083 81 命令 非线性模型的参数估计的置信区间 函数 nlparci 格式 ci=nlparci(beta,r,J)返回置信度为95%的置信区间，beta为非线性最小二乘法估计的参数值，r为残差，J为Jacobian矩阵。nlparci可以用nlinfit函数的输出作为其输入。82 例66 clc;clear;

36、x=2 3 4 5 7 9 12 14 17 21 28 56;y1=35 42 47 53 59 65 68 73 76 82 86 99;r=rand(1,12)-0.5;y=y1+r myfunc=inline(beta(1)+beta(2)*exp(beta(4)*x)+beta(3)*exp(-beta(4)*x),beta,x);beta,resids,J=nlinfit(x,y,myfunc,0.5 0.5 0.5 0.5);ci=nlparci(beta,resids,J)结果：ci=82.6664 92.4917 -0.0051 0.0618 -67.3282 -58.114

37、5 0.0804 0.1336 a=87.5244 k1=0.0269 k2=-63.4591 m=0.1083 83 命令 非线性拟合和显示交互图形 函数 nlintool 格式 nlintool(x,y,FUN,beta0)返回数据(x,y)的非线性曲线的预测图形，它用2条红色曲线预测全局置信区间。beta0为参数的初始预测值，置信度为95%。nlintool(x,y,FUN,beta0,alpha)置信度为(1-alpha)100%84 85 例67 clc;clear;x=2 3 4 5 7 9 12 14 17 21 28 56;y1=35 42 47 53 59 65 68 73

38、76 82 86 99;r=rand(1,12)-0.5;y=y1+r myfunc=inline(beta(1)+beta(2)*exp(beta(4)*x)+beta(3)*exp(-beta(4)*x),beta,x);nlintool(x,y,myfunc,0.5 0.5 0.5 0.5);%nlinfit(x,y,myfunc,0.5 0.5 0.5 0.5);86 命令 非线性模型置信区间预测 函数 nlpredci 格式 ypred=nlpredci(FUN,inputs,beta,r,J)ypred 为预测值，FUN与前面相同，beta为给出的适当参数，r为残差，J为Jacob

39、ian矩阵，inputs为非线性函数中的独立变量的矩阵值。ypred,delta=nlpredci(FUN,inputs,beta,r,J)delta为非线性最小二乘法估计的置信区间长度的一半，当r长度超过beta的长度并且J的列满秩时，置信区间的计算是有效的。ypred-delta,ypred+delta为置信度为95%的不同步置信区间。ypred=nlpredci(FUN,inputs,beta,r,J,alpha,simopt,predopt)控制置信区间的类型，置信度为100(1-alpha)%。simopt=on 或off(默认值)分别表示同步或不同步置信区间。predopt=cur

40、ve(默认值)表示输入函数值的置信区间，predopt=observation 表示新响应值的置信区间。nlpredci可以用nlinfit函数的输出作为其输入。87 例68 clc;clear;x=2 3 4 5 7 9 12 14 17 21 28 56;y1=35 42 47 53 59 65 68 73 76 82 86 99;r=rand(1,12)-0.5;y=y1+r myfunc=inline(beta(1)+beta(2)*exp(beta(4)*x)+beta(3)*exp(-beta(4)*x),beta,x);beta,resids,J=nlinfit(x,y,myfu

41、nc,0.5 0.5 0.5 0.5);ypred,delta=nlpredci(myfunc,15 15 45,beta,resids,J)ypred=75.1812 75.1812 90.2229 delta=1.7299 1.7299 4.3058 续前例，在15 25 45处的预测函数值和置信区间一半宽度 88 命令 有非负限制的最小二乘 函数 lsqnonneg 格式 x=lsqnonneg(C,d)返回在x0的条件下使得|C*x-d|最小的向量x C和d必须为实矩阵或向量。x=lsqnonneg(C,d,x0)x0为初始点，x00 x=lsqnonneg(C,d,x0,option

42、s)options为指定的优化参数，参见options函数。x,resnorm=lsqnonneg()resnorm表示norm(C*x-d).2的残差 x,resnorm,residual=lsqnonneg()residual表示C*x-d的残差 89 例70 A=0.0372 0.2869;0.6861 0.7071;0.6233 0.6245;0.6344 0.6170；b=0.8587 0.1781 0.0747 0.8405；x,resnorm,residual=lsqnonneg(A,b)x=0 0.6929 resnorm=0.8315 residual=0.6599 -0.3

43、119 -0.3580 0.4130 90 7.3 对数似然函数 命令 负分布的对数似然函数 函数 Betalike 格式 logL=betalike(params,data)返回负 分布的对数似然函数，params为向量a,b，是 分布的参数，data为样本数据。logL,info=betalike(params,data)返回Fisher逆信息矩阵info。如果params 中输入的参数是极大似然估计值，那么info的对角元素为相应参数的渐近方差。说明 betalike是 分布最大似然估计的实用函数。似然函数假设数据样本中，所有的元素相互独立。因为betalike返回负 对数似然函数，用f

44、mins函数最小化betalike与最大似然估计的功能是相同的。例71 91 命令 负分布的对数似然估计 函数 Gamlike 格式 logL=gamlike(params,data)返回由给定样本数据data确定的分布的参数为params（即a，b）的负对数似然函数值 logL,info=gamlike(params,data)返回Fisher逆信息矩阵info。如果params中输入的参数是极大似然估计值，那么info的对角元素为相应参数的渐近方差。说明 gamlike是分布的最大似然估计函数。因为gamlike返回对数似然函数值，故用fmins函数将gamlike最小化后，其结果与最大似

45、然估计是相同的。例72 92 命令 负正态分布的对数似然函数 函数 normlike 格式 logL=normlike(params,data)返回由给定样本数据data确定的、负正态分布的、参数为params(即mu，sigma)的对数似然函数值。logL,info=normlike(params,data)返回Fisher逆信息矩阵info。如果params中输入的参数是极大似然估计值，那么info的对角元素为相应参数的渐近方差。93 命令 威布尔分布的对数似然函数 函数 Weiblike 格式 logL=weiblike(params,data)返回由给定样本数据data确定的、威布尔分

46、布的、参数为params(即a，b)的对数似然函数值。logL,info=weiblike(params,data)返回Fisher逆信息矩阵info。如果params中输入的参数是极大似然估计值，那么info的对角元素为相应参数的渐近方差。威布尔分布的负对数似然函数定义为 niniiixbafxbafL11)|,(log)|,(loglog例73 94 8 假设检验 8.1 已知，单个正态总体的均值的假设检验（U检验法）8.2 未知，单个正态总体的均值的假设检验(t检验法)8.3 两个正态总体均值差的检验（t检验）8.4 两个总体一致性的检验秩和检验 8.5 两个总体中位数相等的假设检验符号

47、秩检验 8.6 两个总体中位数相等的假设检验符号检验 8.7 正态分布的拟合优度测试 8.8 正态分布的拟合优度测试 8.9 单个样本分布的 Kolmogorov-Smirnov 测试 8.10 两个样本具有相同的连续分布的假设检验 95 8.1 已知，单个正态总体的均值的 假设检验（U检验法）函数 ztest h=ztest(x,m,sigma)x为正态总体的样本，m为均值，sigma为标准差，显著性水平为0.05(默认值)h=ztest(x,m,sigma,alpha)显著性水平为alpha h,sig,ci,zval=ztest(x,m,sigma,alpha,tail)sig为观察值的

48、概率，当sig为小概率时则对原假设提出质疑，ci为真正均值的1-alpha置信区间，zval为统计量的值。若h=0，表示在显著性水平alpha下，不能拒绝原假设；若h=1，表示在显著性水平alpha下，可以拒绝原假设。原假设 若tail=0，表示备择假设：（默认，双边检验）；tail=1，表示备择假设：（单边检验）；tail=-1，表示备择假设：（单边检验）。2m:H00010:Hm110:Hm210:Hm96 例74 某车间用一台包装机包装葡萄糖，包得的袋装糖重是一个随机变量，它服从正态分布。当机器正常时，其均值为0.5公斤，标准差为0.015。某日开工后检验包装机是否正常，随机地抽取所包装

49、的糖9袋，称得净重为（公斤）0.497,0.506,0.518,0.524,0.498,0.511,0.52,0.515,0.512；问机器是否正常？总体和已知，该问题是当2为已知时，在水平 下，根据样本值判断=0.5还是!=0.5。原假设：备择假设：05.05.0:H005.0:H1 X=0.497,0.506,0.518,0.524,0.498,0.511,0.52,0.515,0.512;h,sig,ci,zval=ztest(X,0.5,0.015,0.05,0)97 8.2 未知，单个正态总体的均值的假设检验(t检验法)函数 ttest 格式 h=ttest(x,m)x为正态总体的样

50、本，m为均值0，显著性水平为0.05 若h=0，表示在显著性水平alpha下，不能拒绝原假设；若h=1，表示在显著性水平alpha下，可以拒绝原假设。h=ttest(x,m,alpha)alpha为给定显著性水平 h,sig,ci=ttest(x,m,alpha,tail)sig为观察值的概率，当sig为小概率时则对原假设提出质疑，ci为真正均值的1-alpha置信区间。原假设 tail=0，表示备择假设：（默认，双边检验）；tail=1，表示备择假设：（单边检验）；tail=-1，表示备择假设：（单边检验）。200:Hm010:Hm110:Hm210:Hm98 某种电子元件的寿命X（以小时计