一. 卡方分布
1.1 数学理论
首先我们来看下伽玛分布的概率密度函数:
其中:
令,就可以得到一个新的分布,这个分布在概率论上被叫做卡方分布。卡方分布也可以写做分布。其概率密度函数则为:
卡方分布要求参数k为正整数。
1.2 MATLAB函数
y=chi2pdf(x,k)
%卡方分布概率密度函数
F=chi2cdf(x,k)
%卡方分布概率分布函数
x=chi2inv(F,k)
%逆卡方分布概率分布函数
有关概率密度函数和概率分布函数的区别,可以看这篇博客:
基于MATLAB的泊松分布,正态分布与伽玛分布(附完整代码与例题)-CSDN博客
1.3 例题
分别绘制出k为1,2,3,4,5时分布的概率密度函数与分布函数曲线。
MATLAB代码:
x=[-eps:-0.02:-0.5,0:0.02:2]; %画图x轴,其中0.02代表画点间隔
x=sort(x'); %对列向量x'进行升序排列
k1=[1,2,3,4,5]; y1=[]; y2=[];
for i=1:length(k1)
y1=[y1,chi2pdf(x,k1(i))];
y2=[y2,chi2cdf(x,k1(i))];
end
plot(x,y1), figure; plot(x,y2)
概率密度函数:
分布函数曲线:
二. T分布
2.1 数学理论
T分布的概率密度函数为:
其中k为参数,且要求k为正整数。
2.2 MATLAB函数
y=tpdf(x,k)
%T分布概率密度函数
F=tcdf(x,k)
%T分布概率分布函数
x=tinv(F,k)
%逆T分布概率分布函数
2.3 例题
分别绘制出k为1,2,5,10时T分布的概率密度函数与分布函数曲线。
MATLAB代码:
x=[-5:0.02:5]';
k1=[1,2,5,10];
y1=[];
y2=[];
for i=1:length(k1)
y1=[y1,tpdf(x,k1(i))];
y2=[y2,tcdf(x,k1(i))];
end
plot(x,y1), figure; plot(x,y2)
运行结果:
三. 瑞利分布(Rayleigh分布)
3.1 数学理论
Rayleigh分布的概率密度函数为:
3.2 MATLAB函数
y=raylpdf(x,b)
%瑞利分布概率密度函数
F=raylcdf(x,b)
%瑞利分布概率分布函数
x=raylinv(F,b)
%逆瑞利分布概率分布函数
3.3 例题
分别绘制b=0.5,1,3,5时Rayleigh分布的概率密度函数与分布函数曲线。
MATLAB代码:
x=[-eps:-0.02:-0.5,0:0.02:5];
x=sort(x');
b1=[.5,1,3,5]; y1=[]; y2=[];
for i=1:length(b1)
y1=[y1,raylpdf(x,b1(i))];
y2=[y2,raylcdf(x,b1(i))];
end
plot(x,y1), figure;
plot(x,y2)
运行结果:
四. F分布
4.1 数学理论
F分布的概率密度函数为:
其中p和q均为参数,且为正整数。
4.2 MATLAB函数
y=fpdf(x,p,q)
%F分布概率密度函数
F=fcdf(x,p,q)
%F分布概率分布函数
x=flinv(F,p.q)
%逆F分布概率分布函数
4.3 例题
分别绘制(p,q)为(1,1),(2,1),(3,1),(3,2),(4,1)时F分布的概率密度函数与分布函数曲线。
MATLAB代码:
x=[-eps:-0.02:-0.5,0:0.02:1];
x=sort(x');
p1=[1 2 3 3 4];
q1=[1 1 1 2 1];
y1=[];
y2=[];
for i=1:length(p1)
y1=[y1,fpdf(x,p1(i),q1(i))];
y2=[y2,fcdf(x,p1(i),q1(i))];
end
plot(x,y1), figure;
plot(x,y2)
运行结果:
五. 概率问题小结
求之内的概率之和:
求之间的概率:
求之间的概率之和:
可以观察到以上三个概率范围都可以直接调用cdf函数解决。
例题1
已知某随机变量x为Rayleigh分布,且b=1,分别求出该随机变量x值落入区间[0.2,2]及区间的概率。
解:
MATLAB代码:
b=1;
p1=raylcdf(0.2,b); %负无穷大到0.2的概率之和
p2=raylcdf(2,b); %负无穷大到2的概率之和
P1=p2-p1 %0.2~2之间的概率
p1=raylcdf(1,b);
P2=1-p1 %1~正无穷大概率之和
运行结果:
P1 =
0.8449
P2 =0.6065
例题2
二维随机变量的联合概率密度为:
求条件概率
解:
写代码之前,我们先简单分析下。条件概率公式告诉我们,其等于联合概率除以P(y),可得:
观察题目给的联合概率密度发现,x概率有效的部分只有0~1/2,y概率有效的部分也是只有0~1/2。好了,接下来,我们只需要借助MATLAB代码求出这两个概率,再相除即可:
syms x y; %声明变量
f=x^2+x*y/3;
P1=int(int(f,x,0,1/2),y,0,1/2); %分子部分的联合概率
P2=int(int(f,x,0,1),y,0,1/2) ;%求分母部分,y的概率。x此时为全概率
P=P1/P2
运行结果:
P =
5/36