1、常见分布随机数的产生
1.1 二项分布
在贝努力试验中,某事件A发生的概率为p,重复该实验n次,X表示这n次实验中A发生的次数,则随机变量X服从的概率分布律(概率密度)为
记为
binopdf(x,n,p) pdf('bino',x,n,p)
返回参数为n和p的二项分布在x处的密度函数值(概率分布律值)。
1. >> clear 2. >> x=1:30;y=binopdf(x,300,0.05); 3. plot(x,y,'b*')
binocdf(x,n,p) cdf('bino',x,n,p)
返回参数为n和p的二项分布在x处的分布函数值
1. >> clear 2. >> x=1:30;y=binocdf(x,300,0.05); 3. >> plot(x,y,'b+')
icdf('bino',q,n,p)
逆分布计算,返回参数为n和p的二项分布的分布函数当概率为q时的x值。
1. >> p=0.1:0.01:0.99; 2. >> x=icdf('bino',p,300,0.05); 3. >> plot(p,x,'r-')
R=binornd(n,p,m1,m2)
产生m1行m2列的服从参数为n和p的二项分布的随机数据。
1. >> R=binornd(10,0.5,3,4) 2. R = 3. 0 6 5 5 4. 6 6 5 5 5. 4 5 5 4 6. 7. >> A=binornd(10,0.2,3) 8. A = 9. 1 2 2 10. 1 3 1 11. 2 2 2
1.2 泊松分布
泊松分布描述密度问题:比如显微镜下细菌的数量X,单位人口里感染某疾病的人口数X,单位时间内来到交叉路口的人数X(或车辆数X),单位时间内某手机收到的信息的条数X,等等。
X的分布律为(密度函数)
记为其中参数λ表示平均值。
poisspdf(x,lambda) pdf('poiss',x,lambda)
返回参数为lambda的泊松分布在x处的概率值。
1. >> clear 2. >> x=0:30;p=pdf('poiss',x,4); 3. >> plot(x,p,'b+')
poisscdf(x,lambda) cdf('poiss',x,lambda)
返回参数为lambda的泊松分布在x处的分布函数值:
1. >> x=1:30; 2. >> p=cdf('poiss',x,5); 3. >> plot(x,p,'b*')
poissrnd(lambda,m1,m2)
返回m1行m2列的服从参数为lambda的泊松分布的随机数。
1. >> poissrnd(10,3,4) 2. 3. ans = 4. 5. 15 10 9 7 6. 14 10 7 9 7. 10 9 14 10 8. >> poissrnd(10,3) 9. 10. ans = 11. 12. 14 11 8 13. 8 11 13 14. 5 10 11