第六章 数理统计的基本概念 | 您所在的位置:网站首页 › 概率分布的概念 › 第六章 数理统计的基本概念 |
目录
一、基本概念1.1 总体与个体(总体、个体、总体容量、总体分布、抽样、样本、样本容量、简单随机抽样的定义,简单随机样本的性质)1.2 统计量与枢轴量(统计量、枢轴量、样本矩、样本矩的性质、二元总体的样本矩)
二、抽样分布(卡方分布、t分布、F分布的定义、上侧分位点与性质)三、正态总体下的抽样分布(由一个正态总体的样本均值与样本方差构成的统计量的分布、由两个正态总体的样本均值与样本方差构成的统计量的分布)
说明:为了复习概率论,该文章是学习课程
《概率论与数理统计》教学视频全集(宋浩)而记录的笔记,笔记来源于本人,笔记包含的MATLAB代码来源于本人。若有侵权,请联系本人删除。笔记难免可能出现错误或笔误,若读者发现笔记有错误,欢迎在评论里批评指正。参考书籍:
《概率论与数理统计》_同济第五版_韩明、
《概率论与数理统计教程》_第三版 (茆诗松)、
《概率论与数理统计》_上交_徐晓岭。
一、基本概念
1.1 总体与个体(总体、个体、总体容量、总体分布、抽样、样本、样本容量、简单随机抽样的定义,简单随机样本的性质)
1.2 统计量与枢轴量(统计量、枢轴量、样本矩、样本矩的性质、二元总体的样本矩)
二、抽样分布(卡方分布、t分布、F分布的定义、上侧分位点与性质) 卡方分布的代码: % 绘制卡方分布 clc; clear ; close all; % 定义x轴范围 x = 0:0.1:20; % 自由度参数数组 dof = [1, 2, 3, 4, 5, 6]; % 绘制概率密度图像 figure; hold on; for i = 1:length(dof) % 计算卡方分布的概率密度函数 y = chi2pdf(x, dof(i)); % 绘制当前自由度的概率密度图像 plot(x, y, 'LineWidth', 1); end hold off; grid on; % 添加标题和轴标签 title('卡方分布概率密度函数图'); xlabel('x'); ylabel('概率密度 f_X'); % 添加图例 legend('自由度 = 1', '自由度 = 2', '自由度 = 3', '自由度 = 4', '自由度 = 5', '自由度 = 6');上侧分位点的代码: % 绘制上测分位点 clc; clear; close all; % 设置自由度和置信水平 dof = 4; % 自由度 alpha = 0.05; % 置信水平 % 计算上侧分位点 x = chi2inv(1 - alpha, dof); % 输出结果 fprintf('卡方分布的上侧%0.2f分位点为 %.4f\n', alpha, x); % 绘制卡方分布概率密度函数 x_values = 0:0.1:20; y_values = chi2pdf(x_values, dof); figure; plot(x_values, y_values); xlabel('x'); ylabel('卡方分布的概率密度函数'); title(sprintf('X~χ^2(%d)的概率密度函数', dof)); grid on; % 标记上侧分位点 hold on; plot(x, chi2pdf(x, dof), 'ro'); text(x, chi2pdf(x, dof), sprintf('(%.2f, %.4f)', x, chi2pdf(x, dof)), 'VerticalAlignment', 'bottom'); plot(x, 0, 'ro'); text(x-6, 0+0.01, sprintf('上侧%0.2f分位点:%0.2f', alpha, x)); % 添加阴影 x_area = x:0.1:20; y_area = chi2pdf(x_area, dof); area(x_area, y_area, 'FaceColor', 'blue', 'EdgeColor', 'none', 'FaceAlpha', 0.3); hold off;例1的代码: % 例1 clc; clear; close all; dof = 10;%自由度 alpha = [0.025 1-0.05]; % 置信水平 x_alpha = chi2inv(1 - alpha, dof); for i=1:length(alpha) fprintf('卡方分布X~χ^2(%d)的上侧%0.3f分位点为 %.4f\n', dof, alpha(i), x_alpha(i)); end例2的代码: % 例2 clc; clear; close all; dof = 6; % 自由度 x = 1.635; % 阈值 p = 1 - chi2cdf(x, dof); % 大于 x 的概率 fprintf('大于%.3f的概率为 %.4f\n', x, p);t分布的代码: % t分布 clc; clear; close all; % 设置自由度参数 dof = [1,2,5,10,40,100]; % 自由度 % 绘制 t 分布图像 x = -5:0.1:5; % x 范围 figure; hold on; for i = 1:length(dof) y = tpdf(x, dof(i)); % 计算 t 分布概率密度函数 plot(x, y, 'LineWidth', 1); end hold off; % 添加图例和标签 legend(sprintf('dof = %d', dof(1)), sprintf('dof = %d', dof(2)), sprintf('dof = %d', dof(3)),... sprintf('dof = %d', dof(4)), sprintf('dof = %d', dof(5)), sprintf('dof = %d', dof(6))); xlabel('x'); ylabel('概率密度函数'); title('不同自由度的 t 分布'); grid on;上侧分位点的代码: % t分布的上侧分位点 clc; clear; close all; % 设置自由度参数 dof = 5; % 自由度 % 绘制 t 分布图像 x = -5:0.1:5; % x 范围 figure; hold on; y = tpdf(x, dof); % 计算 t 分布概率密度函数 plot(x, y, 'LineWidth', 1); % 画出t分布的概率密度函数 % 计算上侧分位点 p_upper = 0.05; % 上侧概率 t_value = tinv(1 - p_upper, dof); % 上侧分位点 y_max = max(y); % 最大概率密度值 % 绘制上侧分位点 plot(t_value, 0, 'ro', 'MarkerSize', 4, 'LineWidth', 1); text(t_value - 2.2, 0, sprintf('t_α=%.2f, α=%.2f)', t_value, p_upper), ... 'VerticalAlignment', 'bottom', 'HorizontalAlignment', 'left'); % 添加阴影区域 x_fill = x(x > t_value); % 阴影区域x范围 y_fill = y(x > t_value); % 阴影区域y范围 fill([x_fill, fliplr(x_fill)], [y_fill, zeros(size(y_fill))], 'r', 'FaceAlpha', 0.2); % 添加图例和标签 legend(sprintf('dof = %d', dof), '上侧分位点'); xlabel('x'); ylabel('概率密度函数'); title(sprintf('自由度为%d的 t 分布', dof)); grid on; hold off;例3的代码: % 例3 clc; clear; close all; dof = 4; % 自由度 p_upper = 0.005; % 上侧分位点的概率 t_value = tinv(1 - p_upper, dof); % 上侧分位点 fprintf('t分布X~χ^2(%d)的上侧%0.3f分位点为 %.4f\n', dof, p_upper, t_value);F分布的代码: % F分布 clc; clear; close all; % 设置自由度参数 dof1 = 3; % 分子自由度 dof2 = 5; % 分母自由度 % 绘制 F 分布图像 x = 0:0.01:6; % x 范围 y = fpdf(x, dof1, dof2); % 计算 F 分布概率密度函数 plot(x, y, 'LineWidth', 1); % 画出 F 分布的概率密度函数 % 添加图例和标签 legend(sprintf('F分布, (n_1 = %d, n_2 = %d)', dof1, dof2)); xlabel('x'); ylabel('概率密度函数'); title(sprintf('自由度为(%d,%d)的 F 分布', dof1, dof2)); grid on;F分布的上侧分位点的代码: % F分布的上侧分位点 clc; clear; close all; % 设置自由度参数 dof1 = 5; % 分子自由度 dof2 = 10; % 分母自由度 alpha = 0.05; % 置信水平 % 计算上侧分位点 x = finv(1 - alpha, dof1, dof2); % 绘制 F 分布概率密度函数 x_values = 0:0.01:5; % x 范围 y_values = pdf('F', x_values, dof1, dof2); figure; plot(x_values, y_values, 'LineWidth', 1.5); xlabel('x'); ylabel('概率密度函数'); title(sprintf('F 分布 PDF (dof1 = %d, dof2 = %d)', dof1, dof2)); grid on; % 标记上侧分位点 hold on; plot(x, pdf('F', x, dof1, dof2), 'ro'); text(x, pdf('F', x, dof1, dof2), sprintf('(%.2f, %.4f)', x, pdf('F', x, dof1, dof2)), 'VerticalAlignment', 'bottom'); text(x-1.2, 0, sprintf('F_α=%.2f, α=%.2f', x, alpha), ... 'VerticalAlignment', 'bottom', 'HorizontalAlignment', 'left'); % 添加阴影 x_area = x:0.1:5; y_area = pdf('F', x_area, dof1, dof2); fill([x_area fliplr(x_area)], [y_area zeros(size(y_area))], 'b', 'FaceAlpha', 0.3); hold off;例5的代码: % 例5 clc; clear; close all; % 设置自由度参数 dof1 = 10; dof2 = 15; alpha = 0.01; % 置信水平 x = finv(1 - alpha, dof1, dof2); % 计算上侧分位点 fprintf('F分布X~F^2(%d,%d)的上侧%0.3f分位点为λ1 = %.4f\n', dof1, dof2, alpha, x); x = finv(1 - alpha, dof2, dof2); % 计算上侧分位点 fprintf('F分布X~F^2(%d,%d)的上侧%0.3f分位点为 %.4f\n', dof2, dof1, alpha, x); fprintf('λ2 = %.4f\n',1/x); 三、正态总体下的抽样分布(由一个正态总体的样本均值与样本方差构成的统计量的分布、由两个正态总体的样本均值与样本方差构成的统计量的分布)例1的代码: % 例1 clc; clear; close all; p = 0.95;%大于上侧分位点的概率 v = 15; x = tinv(1 - p, v);%求上侧分位点 fprintf('t分布X~t(%d)的上侧%0.3f分位点为 %.3f\n',v,p,x); k = x/4; fprintf('所求的k = %.3f\n', k); |
CopyRight 2018-2019 实验室设备网 版权所有 |