Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь КАТЕГОРИИ: АрхеологияБиология Генетика География Информатика История Логика Маркетинг Математика Менеджмент Механика Педагогика Религия Социология Технологии Физика Философия Финансы Химия Экология ТОП 10 на сайте Приготовление дезинфицирующих растворов различной концентрацииТехника нижней прямой подачи мяча. Франко-прусская война (причины и последствия) Организация работы процедурного кабинета Смысловое и механическое запоминание, их место и роль в усвоении знаний Коммуникативные барьеры и пути их преодоления Обработка изделий медицинского назначения многократного применения Образцы текста публицистического стиля Четыре типа изменения баланса Задачи с ответами для Всероссийской олимпиады по праву Мы поможем в написании ваших работ! ЗНАЕТЕ ЛИ ВЫ?
Влияние общества на человека
Приготовление дезинфицирующих растворов различной концентрации Практические работы по географии для 6 класса Организация работы процедурного кабинета Изменения в неживой природе осенью Уборка процедурного кабинета Сольфеджио. Все правила по сольфеджио Балочные системы. Определение реакций опор и моментов защемления |
Нормальный закон распределения
Параметрами нормального закона распределения являются математическое ожидание M и D дисперсия. Дисперсия имеет размерность квадрата случайной величины, поэтому удобнее пользоваться другой величиной – среднеквадратическим отклонением:
σ =
Функция normrnd(M,SIGMA, m, n) предназначена для генерации матрицы m x n псевдослучайных чисел по нормальному закону для M (математического ожидания) и SIGMA (среднеквадратического отклонения). Скалярный параметр n задает длину выборки. Зададим 100 значений параметра x (вектор 1 х 100), имеющим нормальный закон распределения с математическим ожиданием M =0 и среднеквадратическим отклонением σ =1
y=normrnd(0, 1, 1, 100);
Для построения гистограммы по сгенерированным данным расcчитаем центры 20 интервалов в диапазоне от -3 до 3:
x=zeros(1, 20); d=(3-(-3))/38;
Ширина интервала 2* d.
for i=1:20 x(i)=-3+ 2*d*(i-1); end
Построим гистограмму значений y, попавших в интервалы x.
hist(y, x)
Запомним значения гистограммы
y1=hist(y, x);
y 1 - высота столбцов гистограммы. Значения графика плотности эмпирического закона определим из условия (площади под графиком эмпирической плотности распределения должна равняться 1):
1
Тогда
y11=y1./ (2*d*100);
Посчитаем теоретические значения нормального закона распределения для значений x:
y0=normpdf(x, 0, 1);
Сравним графики теоретического и экспериментального законов плотности распределения:
plot(x, y11,'-g', x, y0, '-r')
Определим среднее значение для эмпирического распределения:
m=sum(x.*y1)/100
Математическое ожидание теоретического распределения равно нулю. Неувязка указывает на недостаточное количество сгенерированных данных.
Среднеквадратическое отклонение:
sx=0 for i=1:20 sx= sx+(m-x(i))^2*y1(i); end sigma= sqrt(sx/100)
Теоретическое значение среднеквадратического отклонения 1.
Рассмотрим три закона нормального распределения с математическими ожиданиями -2, 0, 2 и среднеквадратичным отклонением, равным 1.
Создадим массив для данных:
z1=zeros(1,100); z2=zeros(1,100); z3=zeros(1,100); w1=zeros(1,11); w2=zeros(1,11); w3=zeros(1,11);
Заполним массивы случайными числами, распределенными по нормальному закону:
z1=normrnd(-2, 1, 1, 100); z2= normrnd(0, 1, 1, 100); z3= normrnd(2, 1, 1, 100);
Найдем центры интервалов для каждого распределения:
t1=-5:0.6:1; t2=-3:0.6:3; t3=-1:0.6:5;
Шаг d=0.6. Построим гистограммы распределений:
hist(z1,t1) hist(z2,t2) hist(z3,t3)
Запомним значения столбцов гистограммы:
w1=hist(z1,t1); w2=hist(z2,t2); w3=hist(z3,t3);
Нормализируем эмпирические плотности распределений:
d=0.6 w11=w1./ (2*d*100); w22=w2./ (2*d*100); w33=w3./ (2*d*100);
Построим графики:
plot(t1,w11, '-g',t2,w22, '-r',t3,w33, '-b')
Рассчитаем средние значения распределений:
m1=sum(t1.*w1)/100 m2=sum(t2.*w2)/100 m3=sum(t3.*w3)/100
Теоретические значения математических ожиданий -2, 0, 2. Рассчитаем среднеквадратичные отклонения:
sx1=0; sx2=0; sx3=0; for i=1:11 sx1= sx1+(m1-t1(i))^2*w1(i); sx2= sx1+(m2-t2(i))^2*w2(i); sx3= sx3+(m3-t3(i))^2*w3(i); end
sigma1= sqrt(sx1/100) sigma2= sqrt(sx2/100) sigma3= sqrt(sx3/100)
Как и в прошлый раз, теоретическое значение во всех трех случаях равно1.
Для дальнейшего анализа объединим все три распределения:
q=zeros(1,300); for i=1:100 q(i)=z1(i); q(i+100)=z2(i); q(i+200)=z3(i); end
Массив интервалов:
p=zeros(1, 20);
Шаг интервала:
d=(5-(-5))/38;
Ширина интервала 2*d:
for i=1:20 p(i)=-5+ 2*d*(i-1); end
Гистограмма распределения:
hist(q, p)
Запомним значения столбцов:
s1=hist(q,p);
s1 - высота столбцов.
Определим координаты эмпирического графика плотности распределения
s11=s1./ (2*d*300);
Значение математического ожидания распределения равно 0. Теоретическое среднеквадратичное отклонение найдем исходя из того, что в диапазон (-5, +5) укладывается 6 σ (±3).
σ=10/6=1.667
Теоретические значения графика нормального закона распределения:
s0=normpdf(p, 0, 1.667);
Сравним графики теоретического и экспериментального законов плотности распределения:
plot(p,s11,'-g', p, s0, '-r')
Определим среднее значение для эмпирического распределения:
mm=sum(p.*s1)/300
Теоретическое значение математического ожидания 0. Среднеквадратическое отклонение:
sxx=0; for i=1:20 sxx= sxx+(mm-p(i))^2*s1(i); end sigmas= sqrt(sxx/300)
Теоретическое значение 1.667.
|
|||||
Последнее изменение этой страницы: 2021-05-11; просмотров: 111; Нарушение авторского права страницы; Мы поможем в написании вашей работы! infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 18.216.213.126 (0.017 с.) |