常见的概率密度图像
今天复习概率论与数理统计看到常见的几种分布突然有了兴趣,所以尝试着写一写关于matlab画出常见几种概率密度图像(注:有些是从网上搜集整理得到的)
二项分:
二项分布,又称n重伯努力试验 每次实验成功概率为p,失败概率为q=1-p ,则在这n次独立实验中,成功x次的概率y为
clc;
clear;
x= 0:50;
y = binopdf(x,200,0.08);%二项分布
概率密度函数plot(x,y,'--r+');%作图
title('X~B(n=200,p=0.8)的伯努力分布的前50个点的概率分布');
xlabel('试验成功次数x');%x标签
ylabel('y=P\{X=x\}');%y标签
\chi^{2}分布
若n个相互独立的随机变量ξ₁,ξ₂,...,ξn ,均服从
标准正态分布(也称独立同分布于标准正态分布),则这n个服从标准正态分布的随机变量的平方和构成一新的随机变量,其分布规律称为
卡方分布n=4;%卡方分布参数:
自由度P=0.9;%P值
x_xi=chi2inv(P,n); % 根据P值反查临界值
x=0:0.1:15;
yd_c=chi2pdf(x,n); %获得相应分布密度值
plot(x,yd_c,'b'),hold on %画图
%绘制分布函数着色部分
正态分布
正态分布(Normal distribution),也称“
常态分布”,又名
高斯分布(Gaussian distribution),最早由A.棣莫弗在求二项分布的渐近公式中得到。C.F.高斯在研究测量误差时从另一个角度导出了它。P.S.
拉普拉斯和高斯研究了它的性质。是一个在数学、物理及工程等领域都非常重要的概率分布,在统计学的许多方面有着重大的影响力。正态曲线呈钟型,两头低,中间高,左右对称因其曲线呈钟形,因此人们又经常称之为钟形曲线。
若随机变量X服从一个
数学期望为μ、方差为σ^2的正态分布,记为N(μ,σ^2)。其概率密度函数为正态分布的期望值μ决定了其位置,其
标准差σ决定了分布的幅度。当μ = 0,σ = 1时的正态分布是标准正态分布。
T分布
在概率论和统计学中,学生t-分布(t-distribution),可简称为
t分布,用于根据小样本来估计呈正态分布且方差未知的总体的均值。如果总体方差已知(例如在样本数量足够多时),则应该用正态分布来估计总体均值。t分布曲线形态与n(确切地说与自由度df)大小有关。与标准正态分布曲线相比,自由度df越小,t分布曲线愈平坦,曲线中间愈低,曲线双侧尾部翘得愈高;自由度df愈大,t分布曲线愈接近正态分布曲线,当自由度df=∞时,t分布曲线为标准正态分布曲线。
clc
clear
x=-4:0.01:4;
%t分布概率密度函数
y=tpdf(x,1)
y1=tpdf(x,2)
y2=tpdf(x,3)
plot(x,y,'-.',x,y1,':',x,y2,'--')%作图
axis([-4,4,0,0.4])%限制坐标
legend('自由度为1','自由度为2','自由度为2')%添加标签
F分布
F分布是1924年英国统计学家R.A.Fisher提出,并以其姓氏的第一个字母命名的。它是一种非对称分布,有两个自由度,且位置不可互换。F分布有着广泛的应用,如在
方差分析、回归方程的显著性检验中都有着重要的地位。
clc
clear
x=0:0.01:5;
%t分布概率密度函数
y=fpdf(x,10,50)
y1=fpdf(x,10,5)
y2=fpdf(x,50,10)
plot(x,y,'g-.',x,y1,'r:',x,y2,'k--')%作图
legend('自由度为(10,50)','自由度为(10,5)','自由度为(50,10)')%添加标签
title('F分布图像')
泊松分布
泊松分布的参数λ是单位时间(或单位面积)内随机事件的平均发生率。 泊松分布适合于描述单位时间内随机事件发生的次数。