常用統計量和隨機數生成
常用統計量
1. 平均值
1. mean(X)
2. mean(A)
3. mean(A,dim)
- X 爲向量,返回 X 中各元素平均值
- A 爲矩陣,返回 A 中各列元素的平均值所構成的向量
- 在給出的維度內的中位數
2. 中位數
1. median(X)
2. median(A
3. median(A,dim)
- X 爲向量,返回 X 中各元素中位數
- A 爲矩陣,返回 A 中各列元素的中位數所構成的向量
- 求給出的維度內的中位數
3. 標準差、方差和極差
1. D = var(X)
2. D = var(A
3. D = var(X,1)
4. D = var(X,w)
- 若 X 爲向量,則返回向量的樣本方差。
- 若 A 爲矩陣,則返回 A 的列向量的樣本方差構成的行向量。
- 返回向量 X 的簡單方差。
- 返回向量 X 的以 w 爲權重的方差。
1. std(X)
2. std(x,1)
3. std(x,flag,dim)
- 返回向量 X 的樣本標準差。
- 返回向量的標準差。
- 返回向量中維數爲 的標準差值,其中 時置前因子爲 ; 否則置前因子爲 .
4. 偏度和峯度
偏度:
峯度:
偏度是反映數據對稱性的量。 稱爲 右偏態 ,此時數據位於均值右邊的比位於左邊的多; 稱爲 左偏態 ,所反映的情況相反。 接近於 ,則可認爲數據是對稱的.
峯度是反映數據分佈形狀的量:正態分佈的峯度爲 ,若 比 大很多,表示樣本中有較多遠離均值的數據,分佈有沉重的尾巴。因此,峯度可用於衡量偏離正態分佈的尺度.
峯度-偏度檢驗又稱爲 檢驗,該檢驗基於數據樣本的偏度和峯度,評價給定數據是否服從未知均值和方差的正態分佈的假設。對於正態分佈數據,樣本偏度接近於 ,樣本峯度接近於 .
在 中,我們使用 函數進行 檢驗,測試數據對正態分佈的似合程度:
1. h = jbtest(X)
2. h = jbtest(X,alpha)
3. [H,P,JBSTAT,CV] = jbtest(X,alpha)
- 對輸入數據向量 X 進行 檢驗,返回檢驗結果 . 若 ,則在顯著性水平 下拒絕 服從正態分佈的假設,若 ,則可認爲 服從正態分佈。
- 在顯著性水平 下進行 檢驗。
- 函數同時返回三個其他輸出: 爲檢驗的 值, 爲檢驗統計量, 爲確定是否拒絕零假設的臨界值。
隨機數
下面介紹幾種常用的隨機數生成方法:
1 二項分佈隨機數
在概率論和統計學中,二項分佈指 個獨立的是/非試驗中成功的次數的離散概率分佈,其中沒次試驗成功的概率爲 . 這樣的單次成功/失敗試驗又稱爲 試驗。
在 中,我們使用 函數產生二項分佈隨機數:
1. R = binornd(N,P)
2. R = binornd(N,P,m)
3. R = binornd(N,P,m,n)
- 爲二項分佈的兩個參數,返回服從參數爲 的二項分佈的隨機數,且 的形式相同。
- 是一個 向量,它爲指定隨機數的個數。其中 分別代表返回值 中行與列的維數。
- 分別表示 的行數和列數。
2 分佈隨機數
分佈表達式爲:
在 中,我們使用 函數獲取 分佈隨機數:
y = poisspdf(x,Labmda)
求取參數爲 的 分佈的概率密度函數值。
3 均勻分佈隨機數
在 中,我們使用 函數獲取均勻分佈隨機數:
1. R = unifrnd(A,B)
2. R = unifrnd(A,B,m,n,……)
- 生成被 和 指定上下端點 的連續均勻分佈的隨機數組 .若 是數組, 是生成的被 對應元素指定連續均勻分佈的隨機數。若 和 是標量,則被擴展爲和另一個輸入有相同維度的數組。
- 返回 數組。若 和 是標量, 中所有元素是相同分佈產生的隨機數。若 和 是數組,則必須是 數組。
4 正態分佈隨機數
中提供正態分佈函數 :
1. R = normrnd(mu,sigma)
2. R = normrnd(mu,sigma,m,n,……)
- 返回均值爲 ,標準差爲 的正態分佈的隨機數據, 可以是向量或矩陣。
- 分別表示 的行數和列數。