主要内容
随机变量及其分布
经验分布函数和频率直方图 参数估计 假设检验
相关分析与回归分析简介 MATLAB
例题
例1能量供应问题 例2 放射性 例3正态分布 例4指数分布 例5 多元随机变量 例6经验分布函数 例7超市问题 例8区间估计 例9 拟合检验1 例10拟合检验2 例11概率纸检验法 例12道德 例13肠癌 例14 J效应
Back Next
随机变量及其分布
例1、能量供应问题（二项分布）
假定有n?10个工人间歇性地使用电力，估计所需要的总负荷。
首先我们要知道，或者是假定，每个工人彼此独立工作，而每一时刻每个工人都以相同的概率p需要一个单位的电力。那么，同时使用电力的人数就是一个随机变量，它服从所谓的二项分布。用X表示这个随机变量，记做X?B(n,p)，且有
P(X?k)?Cp(1?p)knkn?k,k?0,1,?,n
这是非常重要的一类概率分布。其中
E(X)＝np， D(X)=np(1-p)。
目录 Back Next
其次，要根据经验来估计出，p值是多少？例如，一个工人在一个小时里有12分钟在使用电力，那么应该有
p?12?0.2。 60最后，利用公式我们求出随机变量X的概率分布表如下：
X P 0 1 2 3 4 5 6 7 8 9 10 0.107374 0.268435 0.30199 0.201327 0.08808 0.026424 0.005505 0.000786 0.000074 0.000004 0.000000
1 1 累积0.107374 0.37581 0.6778 0.879126 0.967207 0.993631 0.999136 0.999922 0.999996 概率 为直观计，我们给出如下概率分布图：
0.3520.30.250.20.150.10.05003101234567891045678910
目录 Back Next
可以看出，
P{X?6}?1?P{X?6}?0.000864，
也就是说，如果供应6个单位的电力，则超负荷工作的概率只有0.000864，即每
1?1147分钟?20小时
0.000864中，才可能有一分钟电力不够用。还可以算出，八个或八个以上工人同时使用电力的概率就更小了，比上面概率的1还
11要小。
问题：二项分布是一个重要的用来计数的分布。什么样的随机变量会服从二项分布？
目录 Back Next
进行n次独立观测，在每次观测中所关心的事件出现的概率都是p，那么在这n次观测中事件A出现的总次数是一个服从二项分布B（n，p）。
作业：用MATLAB计算本题。
binopdf(x,n,p) 计算x中每个值对应的二项分布概率
binocdf(x,n,p) 计算x中每个值对应的分布函数值
binoinv(y,n,p) 计算使得分布函数值大于等于y的最小整数x： P（X<=x）>=y
binornd(n,p, mm, nn) 产生二项分布随机数，mm行nn列。 再如，产生两行五列的随机数用binornd(10,0.2,[2,5]) 例如binopdf(0:10,10,0.2), binoinv(0.9,10,0.2)=4, binoinv((0:10)/10,10,0.2) binornd(10,0.2,1,5) ans =
2 2 1 1 4
目录 Back Next