MATLAB已知n个点求概率密度函数的程序

=0;fori=1:1:na=1;forj=1:1:nifj=ia=a*p[j];elsea=a*(1-p[j]);endendb=b+a;end最后的b就是概率了,纯手打,没有测试,你看下对不对,我

均值就是期望EX方差就是标准差的平方,正太分布服从（EX,方差）,一般这类计算都是先代换,变成标准正太分布Z=(x-μ)/σ,然后查表,我查表0.9505是对应的1.65然后代入计算167.630

poissinv(0.7211,5)ans=6CriticalValuesofDistributionfunctions.betainv-Betainversecumulativedistributi

matlab只能通过仿真来模拟,而不是准确的概率密度函数.具体程序是下边这样的.x1=2+randn([100000,1]);x2=4+randn([100000,1]);Y=714+807*(x1)

E(Y)=E(200X185)=2185,D(Y)=200²D(X)=100²,P{2070＜P＜2300}=P{(2070-2185)／100＜(Y-2185)／100＜(230

poissinv(0.7211,5)ans=6CriticalValuesofDistributionfunctions.betainv-Betainversecumulativedistributi

x=norminv(p,mu,sigma)%概率为p,均值为mu,标准差为sigma时的x的值,mu默认为0,sigma默认为1,即默认为标准正态分布函数的反函数.如norminv(0.6,1,2)

使用函数ksdensity：例如：x=normrnd(0,1,50000,1);%产生5万个标准正态数据,也可换成用户的数据[f,xi]=ksdensity(x);plot(xi,f);%画经验概率密

设工厂每个月的利润为Z万元Z=30Y,当Y≤X时=30X+10(Y-X)=10Y+20X,当Y＞X时当10≤x＜20时,E(Z|X=x)=∫yp(y)dy+∫(10y+20x)p(y)dy=∫[30y

LenA=[56789];probA=[0.070.190.380.250.11];LenB=[14151617];probB=[0.230.410.270.09];cumA=cumsum(probA

小问题1似乎是特征分解.[V,D]=eig(K);这样就可以得矩阵V和对角阵D,满足K*V=V*D再问：恩。。这样特征值对角阵的确可以求出来，变化向量P怎么求了呢再答：P不就是V么。。。。V是单位正交

x=[2;4;6;8;10;12;14;16;22;27;42;46;48;62;68;69];y=[0.48;0.52;0.51;0.56;0.53;0.61;0.65;0.69;0.81;0.82

一般通过已知数据,求取概率密度.需要统计学的知识.大致是画频谱图.具体好像是求什么频数等等.但是这个也不是太难.你照着相关书籍,就应该能写程序了.至于重复数值,那肯定是可能的啊.因为一个未知变量都能够

CDF曲线在matlab库里面有,直接调用就ok了

用蒙特卡洛模拟：N=10000%试验次数,越大越精确C=zeros(N,1);%存储每次试验的结果%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%开始试验fork=1:N%按A

这个可以用正太分布的公式求解,不麻烦的,就是解指数函数,已知概率后只有一个未知数X,两边同时取对数,再开根号,就是一个线性方程,可以直接人工求的的,用matlab更简单.

可以这么画：symsxy=1/(sqrt(2*pi)*1)*exp(-(x-0)^2/(2*1^2));%该变量的概率密度曲线表达式ezplot(y);

具体数据是什么

%%MonteCarlo方法Len=1e6;x1=2+rand(1,Len)*6;x2=2+randn(1,Len);x3=exprnd(3,1,Len);x=x1+x2.^2+x3.^2;count

clear;clc;a=20;b=2;c=150;%概率密度函数%forx=0:255ifx>cp(x+1)=exp((x-c)/b)/(a+b);elsep(x+1)=exp((x-c)/a)/(a