Зависимость функций плотности вероятности, кумулятивного и обратного кумулятивного распределений от их параметров. Представление примеров вычисления вероятностей и доверительных интервалов. Рассмотрено нормального, логнормального, бинарного распределения.
Целью работы является изучить различные распределения данных, а также ознакомиться с программой MATLAB. вероятность распределение доверительный интервал 1. «распределение». 1.1 Непрерывные распределения 1.1.1 Общие положения Если задана функция плотности вероятности f (x| а, b,…), где х - случайная переменная, принимающая непрерывный ряд значений, а, b,… - параметры распределения, то функция кумулятивного распределения F (x|a, b,…)= определяет вероятность того, что случайная переменная принимает значение, меньшее х. В краткой форме все три вероятности записывают так: P (yx) = l-F(x), P(x1?y0 - справа. Четвертый центральный момент M4= определяет величину E= -3 коэффициента эксцесса (меру островершинности) распределения. 1.1.2 Нормальное (гауссово) распределение Функция плотности вероятности Базовая роль нормального распределения N (µ, ?) в анализе статистических данных связана с тем, что если результаты наблюдений определяются большим числом факторов, влияние каждого из которых пренебрежимо мало, то такой массив данных хорошо аппроксимируется нормальным распределением с соответствующим образом подобранными величинами среднего и стандартного отклонения. Функция плотности вероятности нормального распределения f (x|µ, ?)= со средним значением µ случайной переменной х и стандартным отклонением ? представлена в MATLAB файл-функциями normpdf (x, mu, sigma) или pdf (Normal, x, mu, sigma).
Вы можете ЗАГРУЗИТЬ и ПОВЫСИТЬ уникальность своей работы
