概率論和數(shù)理統(tǒng)計(jì)實(shí)驗(yàn)(matlab中實(shí)現(xiàn))

一.伯努利漫衍

R=binornd(N,P); //N,P為二次漫衍的倆個(gè)參數(shù)，返回遵守參數(shù)為N,P的二項(xiàng)漫衍的隨機(jī)數(shù)，且N,P,R的形式相同。

R=binornd(N,P,m); //m是一個(gè)1*2向量，它為指定的隨機(jī)數(shù)的個(gè)數(shù)，其中N,P劃分代表返回值R中行與列的維數(shù)；

R=binornd(N,P,m,n); //m,n劃分示意R的行數(shù)與列數(shù)；

例：一個(gè)射擊手舉行射擊競(jìng)賽，假設(shè)每槍射擊擲中率為0.45，每槍射擊10次，共舉行10萬(wàn)輪，就可以用matlab去仿真該實(shí)驗(yàn)的可能情形。

編寫(xiě)代碼如下：

x=binornd(10,0.45,100000,1);

hist(x,11)

效果如圖[射擊效果直方圖]

從上圖可以看出，該射擊員每輪最有可能擲中4環(huán)。

二.泊松漫衍隨機(jī)數(shù)

y=poisspdf(x,lambda); 求取參數(shù)為L(zhǎng)ambda的泊松漫衍的概率密度函數(shù)值。

我要考察取差別的Lanbda值，使用poisspdf函數(shù)繪出來(lái)的泊松漫衍概率密度圖像。(劃分取2.5,5，10)

在matlab中編程

x=0:20;

y1=poisspdf(x,2.5);

y2=poisspdf(x,5);

y3=poisspdf(x,10);

hold on

plot(x,y1,':r*')

plot(x,y2,':b*')

plot(x,y3,':g*')

hold off

三.均勻漫衍隨機(jī)數(shù)

1.R=unifrnd(A,B): 天生被A和B指定上下端點(diǎn)【A,B】的延續(xù)均勻漫衍的隨機(jī)數(shù)組R.

2.R=unifrnd(A,B，m,n,…): 返回mn……數(shù)組.

a=0;

b=1:5;

r1=unifrnd(a,b)

r1 =

0.5799 0.2172 2.6572 3.2917 3.7076

四.正態(tài)漫衍隨機(jī)數(shù)

R=normrnd(mu,sigma);返回均值為mu，標(biāo)準(zhǔn)差為sigma的正態(tài)漫衍的隨機(jī)數(shù)據(jù)。

R=normrnd(mu,sigma，m,n,…);m,n漫衍示意R的行數(shù)與列數(shù)。

若是要獲得mu=10，sigma=0.4的2行4列個(gè)正態(tài)隨機(jī)數(shù)，可以在MATLAB命令行窗口輸入代碼：

R=normrnd(10,0.4,2,4)

R =

9.7923 10.1380 10.5178 9.5354

9.9844 9.6784 9.2855 9.9237

>> R=normrnd(10,0.4,2,4)

R =

9.7484 10.3920 10.1876 10.4871

10.1456 10.3034 9.5257 10.1286

>> R=normrnd(10,0.4,2,4)

R =

10.3718 10.2499 9.9566 9.9542

9.9151 10.1271 9.9685 10.1344

由于這樣的矩陣有許多，本人在此只做了三組實(shí)驗(yàn)。

由于本人能力有限，編寫(xiě)過(guò)程中可能存在不足之處，望人人海涵~~~~

謝謝人人

原文鏈接：https://www.cnblogs.com/qw-blog/p/12343928.html

本站聲明:網(wǎng)站內(nèi)容來(lái)源于網(wǎng)絡(luò),若有侵權(quán),請(qǐng)聯(lián)系我們,我們將及時(shí)處理。

Deep Learning with Python 讀書(shū)筆記(三)神經(jīng)網(wǎng)絡(luò)的引擎：梯度優(yōu)化

總結(jié)

以上是生活随笔為你收集整理的matlab模拟伯努利实验,matlab仿真随机数的发生的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。