Mathematica数学实验——随机变量的概率分布

教师指导实验7

实验名称：随机变量的概率分布

一、问题：求二项分布、几何分布、正态分布在给定区间上的概率。

二、实验目的：

学会使用Mathematica求二项分布、几何分布、正态分布在给定区间上的概率及期望和方差。

三、预备知识：本实验所用的Mathematica命令提示

1、BinomialDistribution[n,p] 二项分布；

GeometricDistribution[p] 几何分布；

NormalDistribution[μ,σ] 正态分布；

2、Domain[dist] 求分布dist的定义域；

PDF[dist,x] 求点x处的分布dist的密度值；

CDF[dist,x] 求点x处的分布dist的函数值；

Mean[dist] 求分布dist的期望；Quantile[dist,x] 求x，使CDF[dist,x]=q

Variance[dist] 求分布dist的方差；StandardVariance[dist] 求分布dist的标准差；

四、实验的内容和要求：

1、取50个在1到20的随机整数，求这组数的极差、中位数、均值、方差及标准差；

2、对以上数据绘制样本频率分布直方图；

3、data1={1, 3, 4, 5, 3.5, 3}, data2={3, 2, 5, 3}，在同一图表中绘制data1和data2的条形图，并作一定的修饰。

五、操作提示

1、取50个在1到20的随机整数，求这组数的极差、中位数、均值、方差及标准差；

In[1]:=<

In[2]:=data=Table[Random[Integer,{1,20}],{60}];

In[3]:=SampleRange[data]

Out[3]= 19

In[4]:= Median[data]

Out[4]= 11

In[5]:=Mean[data]

Out[5]=221 20

In[6]:=VarianceMLE[data]

Out[6]=44017 1200

In[7]:=StandarDevarianceMLE[data]

Out[7]=

2、对以上数据绘制样本频率分布直方图；

In[8]:=<

In[9]:=Histogram[data]

Out[9]= -Graphics-

In[10]:=Histogram[data,Ticks->IntervalCenters,

HistogramScale->1]

Out[10]= -Graphics-

In[11]:=Histogram[data,Ticks->IntervalBoundaries, HistogramScale->2]

Out[11]= -Graphics-

3、data1={1, 3, 4, 5, 3.5, 3}, data2={3, 2, 5, 3}，在同一图表中绘制data1和data2的条形图，并作一定的修饰。

BarChart[{1,3,4,5,3.5,3},{3,2,5,3}]

In[12]:=

In[13]:=BarChart[{1, 3, 4, 5, 3.5, 3}, {3, 2, 5, 3},

BarSpacing -> 0.7, BarGroupSpacing -> 0.5,

BarStyle -> {BGBColor[1,0,0], BGBColor[0,1,0.2]},

BarEdgeStyle->{{Dashing[{.01}],BGBColor[0,0,1]},

GrayLevel[0]},

BarLabels ->{"Apr","May","Jun","Jul","Aug","Sep"},

PlotLabel -> "Projected and Current Profit,Tourist Season",

DefaultFont -> {"Helvetica", 11}]

Out[13]=

学生实验6

实验名称：简单数理统计

一、问题：求样本数据的特征数字值；绘制样本的频率分布条形图和直方图。

二、实验目的：

学会使用Mathematica求求样本数据的极差、中位数、均值、方差及标准差；绘制样本的频率分布直方图并作简单的修饰。

三、实验的内容和要求：

1、取50个在1到20的随机整数，求这组数的极差、中位数、均值、方差及标准差；

2、对以上数据绘制样本频率分布直方图；

3、data1={1, 3, 4, 5, 3.5, 3}, data2={3, 2, 5, 3}，在同一图表中绘制data1和data2的条形图，并作一定的修饰。

五、操作提示

1、取50个在1到20的随机整数，求这组数的极差、中位数、均值、方差及标准差；

In[1]:=<

In[2]:=data=Table[Random[Integer,{1,20}],{60}];

In[3]:=SampleRange[data]

Out[3]= 19

In[4]:= Median[data]

Out[4]= 11

In[5]:=Mean[data]

Out[5]=221 20

In[6]:=VarianceMLE[data]

Out[6]=44017 1200

In[7]:=StandarDevarianceMLE[data]

Out[7]=

2、对以上数据绘制样本频率分布直方图；

In[8]:=<

In[9]:=Histogram[data]

Out[9]= -Graphics-

In[10]:=Histogram[data,Ticks->IntervalCenters,

HistogramScale->1]

Out[10]= -Graphics-

In[11]:=Histogram[data,Ticks->IntervalBoundaries, HistogramScale->2]

Out[11]= -Graphics-

3、data1={1, 3, 4, 5, 3.5, 3}, data2={3, 2, 5, 3}，在同一图表中绘制data1和data2的条形图，并作一定的修饰。

In[12]:=BarChart[{1,3,4,5,3.5,3},{3,2,5,3}]

Out[12]=

In[13]:=BarChart[{1, 3, 4, 5, 3.5, 3}, {3, 2, 5, 3},

BarSpacing -> 0.7, BarGroupSpacing -> 0.5,

BarStyle -> {BGBColor[1,0,0], BGBColor[0,1,0.2]},

BarEdgeStyle->{{Dashing[{.01}],BGBColor[0,0,1]},

GrayLevel[0]},

BarLabels ->{"Apr","May","Jun","Jul","Aug","Sep"},

PlotLabel -> "Projected and Current Profit,Tourist Season",

DefaultFont -> {"Helvetica", 11}]

Out[13]=

Mathematica数学实验——随机变量的概率分布

教师指导实验7 实验名称：随机变量的概率分布 一、问题：求二项分布、几何分布、正态分布在给定区间上的概率。 二、实验目的： 学会使用Mathematica求二项分布、几何分布、正态分布在给定区间上的概率及期望和方差。 三、预备知识：本实验所用的Mathematica命令提示 1、BinomialDistribution[n,p] 二项分布； GeometricDistribution[p] 几何分布； NormalDistribution[μ,σ] 正态分布； 2、Domain[dist] 求分布dist的定义域； PDF[dist,x] 求点x处的分布dist的密度值； CDF[dist,x] 求点x处的分布dist的函数值； Mean[dist] 求分布dist的期望；Quantile[dist,x] 求x，使CDF[dist,x]=q Variance[dist] 求分布dist的方差；StandardVariance[dist] 求分布dist的标准差； 四、实验的内容和要求： 1、取50个在1到20的随机整数，求这组数的极差、中位数、均值、方差及标准差； 2、对以上数据绘制样本频率分布直方图； 3、data1={1, 3, 4, 5, 3.5, 3}, data2={3, 2, 5, 3}，在同一图表中绘制data1和data2的条形图，并作一定的修饰。 五、操作提示 1、取50个在1到20的随机整数，求这组数的极差、中位数、均值、方差及标准差； In[1]:=<

《数学实验》试题答案

北京交通大学海滨学院考试试题 课程名称：数学实验2010-2011第一学期出题教师：数学组适用专业: 09机械, 物流, 土木, 自动化 班级：学号：姓名： 选做题目序号： 1.一对刚出生的幼兔经过一个月可以长成成兔, 成兔再经过一个月后可以 繁殖出一对幼兔. 如果不计算兔子的死亡数, 请用Matlab程序给出在未来24个月中每个月的兔子对数。 解: 由题意每月的成兔与幼兔的数量如下表所示： 1 2 3 4 5 6 ··· 成兔0 1 1 2 3 5··· 幼兔 1 0 1 1 2 3··· 运用Matlab程序： x=zeros(1,24); x(1)=1;x(2)=1； for i=2:24 x(i+1)=x(i)+x(i-1); end x 结果为x = 1 1 2 3 5 8 13 21 3 4 5 5 89 144 233 377 610 987 1597 2584 4181 6765 1094 6 7711 2865 7 46368 2.定积分的过程可以分为分割、求和、取极限三部分, 以1 x e dx 为例, 利用

已学过的Matlab 命令, 通过作图演示计算积分的过程, 并与使用命令int() 直接积分的结果进行比较. 解：根据求积分的过程，我们先对区间[0,1]进行n 等分， 然后针对函数x e 取和，取和的形式为10 1 i n x i e e dx n ξ=≈ ∑ ? ，其中1[ ,]i i i n n ξ-?。这里取i ξ为区间的右端点，则当10n =时，1 x e dx ?可用10 101 1.805610 i i e ==∑ 来近似计算， 当10n =0时，100 100 1 01 =1.7269100 i x i e e dx =≈ ∑?，当10n =000时，10000 10000 1 1 =1.718410000 i x i e e dx =≈ ∑ ?. 示意图如下图，Matlab 命令如下： x=linspace (0,1,21); y=exp(x); y1=y(1:20); s1=sum(y1)/20 y2=y(2:21); s2=sum(y2)/20 plot(x,y); hold on for i=1:20 fill([x(i),x(i+1),x(i+1),x(i),x(i)],[0,0,y(i),y(i),0],'b') end syms k;symsum(exp(k/10)/10,k,1,10)；%n=10 symsum(exp(k/100)/100,k,1,100)；%n=100 symsum(exp(k/10000)/10000,k,1,10000)；%n=10000

数学实验答案-1

1.（1） [1 2 3 4;0 2 -1 1;1 -1 2 5;]+(1/2).*([2 1 4 10;0 -1 2 0;0 2 3 -2]) 2. A=[3 0 1;-1 2 1;3 4 2],B=[1 0 2;-1 1 1;2 1 1] X=(B+2*A)/2 3. A=[-4 -2 0 2 4;-3 -1 1 3 5] abs(A)>3 % 4. A=[-2 3 2 4;1 -2 3 2;3 2 3 4;0 4 -2 5] det(A),eig(A),rank(A),inv(A) 求计算机高手用matlab解决。 >> A=[-2,3,2,4;1,-2,3,2;3,2,3,4;0,4,-2,5] 求|A| >> abs(A) ans = （ 2 3 2 4 1 2 3 2 3 2 3 4 0 4 2 5 求r（A） >> rank(A) ans =

4 求A-1 《 >> A-1 ans = -3 2 1 3 0 -3 2 1 2 1 2 3 -1 3 -3 4 求特征值、特征向量 >> [V,D]=eig(A) %返回矩阵A的特征值矩阵D 与特征向量矩阵V , V = - + + - - + - + - + - + D = { + 0 0 0 0 - 0 0 0 0 + 0 0 0 0 - 将A的第2行与第3列联成一行赋给b >> b=[A(2,:),A(:,3)'] b = 《 1 - 2 3 2 2 3 3 -2

1． a=round(unifrnd(1,100)) i=7; while i>=0 i=i-1; b=input('请输入一个介于0到100的数字：'); if b==a ￥ disp('You won!'); break; else if b>a disp('High'); else if b

2.1随机变量及其概率分布(1)

随机变量及其概率分布(1) 【教学目标】 1、在对具体问题的分析中，了解随机变量、离散型随机变量的意义，理解取有限值的离散性随机变量及其概率分布的概念。 2、会求出某些简单的离散型随机变量的概率分布，认识概率分布对于刻画随机现象的重要性。 3、提高学生的抽象概括能力，提高数学建模的能力，提高学生应用数学的意识。 4、随机变量是客观世界中极为普遍的，通过对各种现象及事件a 的分析，培养严谨的逻辑思维能力，激发学生学习兴趣，初步认识数学的应用价值、科学价值，并深刻体会数学是服务于实践的一门学科。 【教学过程】 1、相关知识回顾： （1）随机现象： 在一定条件下，某种现象可能发生，也可能不发生，事先也不能断定出现哪种结果的现象 （2）基本事件： 在一次试验中可能出现的每一个基本结果 （3）古典概型： 我们将具有:①试验中所有可能出现的基本事件只有有限个; ②每个基本事件发生的概率相等. 满足这两个特点的概率模型称为古典概率模型 2、新课引入： （1）在一块地里种下10棵树苗，成活的树苗棵数X 是0，1，…，10中的某个数； （2）抛掷一颗骰子，向上的点数Y 是1，2，3，4，5，6中的某一个数； （3）新生婴儿的性别，抽查的结果可能是男，也可能是女。如果将男婴用0表示， 女婴用1表示，那么抽查的结果Z 是0和1中的某个数； 上述问题有哪些共同特点？ 上述问题中的X ，Y ，Z ，ε实际上是把每个随机试验的基本事件都对应一个确定的实数，即在试验结果（样本点）与实数之间建立了一个映射。 例如：上面的植树问题中成活的树苗棵数X ： X=0，表示成活0棵； X=1，表示成活1棵；…… 思考：“X>7”表示什么意思？ 3、新授： 知识点1：随机变量： 一般地，如果随机试验的结果，可以用一个变量来表示，那么这样的变量叫随机变量。 通常用大写拉丁字母X ，Y ，Z （或小写希腊字母ζηε,,）等表示，而用小写拉丁字母z y x ,,（加上适当下标）等表示随机变量取得可能值。 引入随机变量后，随机试验中我们感兴趣的事件就可以通过随机变量的取值表达出来。 注：（1）随机试验中，可能出现的恶结果都可以用一个数来表示。如掷一枚硬币，“正

matlab数学实验复习题(有标准答案)

复习题 1、写出3 2、i ｎv(A)表示Ａ的逆矩阵； 3、在命令窗口健入 clc,４、在命令窗口健入clea 5、在命令窗口健入６、x=-1:０.2:17、det(A)表示计算Ａ的行列式的值；8、三种插值方法：拉格朗日多项式插值,分段线性插值，三次样条插值。 9、若A=123456789?? ????????,则fliplr （Ａ）＝321654987?????????? Ａ-３=210123456--??????????A ．＾２=149162536496481?????????? tril(A)=100450789?????????? tri ｕ（Ａ，－1)=123456089??????????ｄiag(A ）＝100050009?????????? Ａ(:,2),＝2 58A(3,:)=369 10、nor ｍcd ｆ（1，1，2)=0.5%正态分布mu=1,s ｉgm ａ＝２,x ＝1处的概率 ｅ45(@ｆ,［ａ,b ］,x0),中参数的涵义是@fun 是求解方程的函数M 文 件,[a,b ］是输入向量即自变量的范围a 为初值,ｘ0为函数的初值，t 为输出指定的[ａ,b],x 为函数值 １5、写出下列命令的功能：te ｘt （1,2,‘ｙ=s ｉｎ(x)’

hold on 16fun ｃｔion 开头; 17 ,4) ３，４） 21、设x 是一向量，则）的功能是作出将Ｘ十等分的直方图 ２2、interp １(［1,2,3]，[3,４,5]，2.5) Ans=4.５ 23、建立一阶微分方程组? ??+='-='y x t y y x t x 34)(3)(2 的函数M 文件。(做不出来） 二、写出运行结果: １、>＞ｅy ｅ（3，4)=1000 01000010 2、>>s ｉze([1,2,3])=1;3 3、设b=ro ｕnd （unifrnd(-５，5,１，4)),则=3 ５ 2 -5 >>[x,m]=ｍin(b)；x ＝－5；m=4 ，［x,n ］=sort(b ） －５ 2 3 ５ 4 3 １ 2 ｍea ｎ(ｂ）=１.2５，m ｅdian(b)＝2.5,range(ｂ）=10 ４、向量ｂ如上题,则 ＞>ａn ｙ(b),all(ｂ<2),ａｌl(b<6） Ans ＝１ 0 １ ５、＞>[5 6;7 8]>[7 8；5 6]=00 11 6、若1234B ??=???? ,则 7、>>ｄｉag(d ｉag （B ）)=10 04 8、＞>[4:-2:１].＊[-1,６]=-4 12 9、>>acos(0.5),a ｔan(1） ans ＝ 1.６5９8 ans=

mathematica数学实验报告

高等数学实验报告 实验一 一、实验题目 1：作出各种标准二次曲面的图形 ParametricPlot3D Sin u Sin v,Sin u Cos v,Cos u ,u,0,Pi ,v,0,2Pi,P Graphics3D ParametricPlot3D u Sin v,u Cos v,u^2,u,0,2,v,0,2Pi,PlotPoints30

Graphics3D ParametricPlot3D u,v,u^2v^2,u,2,2,v,2,2,PlotPoints30 Graphics3D ParametricPlot3D Sec u Sin v,Sec u Cos v,Tan u,u,Pi4,Pi4,v,0,2

Graphics3D t1ParametricPlot3D u^21Sin v,u^21Cos v,u,u,1,5,v,0,2Pi t2ParametricPlot3D u^21Sin v,u^21Cos v,u,u,5,1,v,0,2 show t1,t2 Graphics3D

Graphics3D show Graphics3D,Graphics3D ParametricPlot3D u Cos v,u Sin v,u,u,6,6,v,0,2Pi,PlotPoints60 Graphics3D 2：作出曲面所围的图形 t1ParametricPlot3D Sin u Sin v,Sin u Cos v,Cos u, u,Pi2,pi2,v,0,2Pi,PlotPoints60 t2ParametricPlot3D0.5Cos u12,0.5Sin u, u,0,2Pi,v,0,2Pi,PlotPoints60 t3Plot3D0,PlotPoints60 show t1,t2,t3

实验二极限与连续数学实验课件习题答案

天水师范学院数学与统计学院 实验报告 实验项目名称极限与连续 所属课程名称数学实验 实验类型上机操作 实验日期 2013-3-22 班级 10数应2班 学号 291010836 姓名吴保石 成绩

【实验过程】（实验步骤、记录、数据、分析） 1．数列极限的概念 通过计算与作图，加深对极限概念的理解． 例2.1 考虑极限3321 lim 51 x n n →∞++ Print[n ，" "，Ai ，" "，0.4－Ai]； For[i=1，i 15，i++，Aii=N[(2i^3+1)/(5i^3+1)，10]； Bii=0.4－Aii ；Print[i ，" "，Aii ，" "，Bii]] 输出为数表 输入 fn=Table[(2n^3+1)/(5n^3+1)，{n ，15}]； ListPlot[fn ，PlotStyle {PointSize[0.02]}] 观察所得散点图，表示数列的点逐渐接近直线y=0 .4 2．递归数列 例2.2 设n n x x x +==+2,211．从初值21=x 出发，可以将数列一项项地计算出来，这样定义的数列称为 数列，输入 f[1]=N[Sqrt[2]，20]； f[n_]:=N[Sqrt[2+f[n-1]]，20]； f[9] 则已经定义了该数列，输入 fn=Table[f[n]，{n ，20}] 得到这个数列的前20项的近似值．再输入 ListPlot[fn ，PlotStyle {PointSize[0.02]}] 得散点图，观察此图，表示数列的点越来越接近直线2y =

例2.3 考虑函数arctan y x =，输入 Plot[ArcTan[x]，{x ，-50，50}] 观察函数值的变化趋势．分别输入 Limit[ArcTan[x]，x Infinity ，Direction +1] Limit[ArcTan[x]，x Infinity ，Direction -1] 输出分别为2 π 和2π-，分别输入 Limit[sign[x]，x 0，Direction +1] Limit[Sign[x]，x 0，Direction －1] 输出分别为-1和1 4．两个重要极限 例2．4 考虑第一个重要极限x x x sin lim 0→ ，输入 Plot[Sin[x]/x ，{x ，－Pi ，Pi}] 观察函数值的变化趋势．输入 Limit[Sin[x]/x ，x 0] 输出为1，结论与图形一致． 例2．5 考虑第二个重要极限1 lim(1)x x x →∞+，输入 Limit[(1+1/n)^n ，n Infinity] 输出为e ．再输入 Plot[(1+1/n)^n ，{n ，1，100}] 观察函数的单调性 5．无穷大 例2．6 考虑无穷大，分别输人 Plot[(1+2x)/(1-x)，{x ，-3，4}] Plot[x^3-x ，{x ，-20，20}] 观察函数值的变化趋势．输入 Limit[(1+2x)/(1-x)，x 1] 输出为-∞ 例2．7 考虑单侧无穷大，分别输人 Plot[E^(1/x)，{x ，-20，20}，PlotRange {-1，4}] Limit[E^(1/x)，x 0，Direction +1] Limit[E^(1/x)，x 0，Direction -1] 输出为图2.8和左极限0，右极限∞．再输入 Limit[E^(1/x)，x 0] 观察函数值的变化趋势． 例2．8 输入 Plot[x+4*Sin[x]，{x ，0，20Pi}] 观察函数值的变化趋势． 输出为图2 .9．观察函数值的变化趋势，当x →∞时，这个函数是无穷大，但是，它并不是单调增加．于是，无并不要求函数单调 例2．9 输入

mathematica 数学实验报告 实验一

数学实验报告 实 验 一 数学与统计学院 信息与计算科学(1)班 郝玉霞 0107

数学实验一 一、实验名：微积分基础 二、实验目的：学习使用Mathematica的一些基本功能来验证或观察得出微积分学的几个基本理论。 三、实验环境：学校机房，工具：计算机,软件：Mathematica。 四、实验的基本理论和方法：利用Mathematica作图来验证高中数学知识与大学数学内容。 五、实验的内容和步骤及结果 内容一、验证定积分 dt t s x ?= 1 1 与自然对数 x b ln= 是相等的。 步骤1、作积分 dt t s x ?= 1 1 的图象； 语句：S[x_]:=NIntegrate[1/t,{t,1,x}] Plot[S[x],{x,,10}] 实验结果如下： 图1 dt t s x ?= 1 1 的图象 步骤2、作自然对数 x b ln= 的图象 语句：Plot[Log[x],{x,,10}]实验结果如下： 图2 x b ln= 的图象 步骤3、在同一坐标系下作以上两函数的图象语句：Plot[{Log[x],S[x]},{x,,10}] 实验结果如下： 图3 dt t s x ?= 1 1 和 x b ln= 的图象

内容二、观察级数与无穷乘积的一些基本规律。 （1）在同一坐标系里作出函数和它的Taylor展开式的前几项构成的多项式函数，，的图象，观察这些多项式函数的图象向的图像逼近的情况。 语句1： s[x_,n_]:=Sum[(-1)^(k-1)x^(2k-1)/((2k-1)!),{k,1,n}] Plot[{Sin[x],s[x,2]},{x,-2Pi,2Pi},PlotStyle->{RGB[0,0,1]}] 实验结果如下： 图4和它的二阶Taylor展开式的图象 语句2： s[x_,n_]:=Sum[(-1)^(k-1)x^(2k-1)/((2k-1)!),{k,1,n}] Plot[{Sin[x],s[x,3]},{x,-2Pi,2Pi},PlotStyle->{RGB[0,1,1]}] 实验结果如下： 图5和它的三阶Taylor展开式的图象 语句3： s[x_,n_]:=Sum[(-1)^(k-1)x^(2k-1)/((2k-1)!),{k,1,n}] Plot[{Sin[x],s[x,4]},{x,-2Pi,2Pi},PlotStyle->{RGB[0,1,0]}] 实验结果如下： 图6和它的四阶Taylor展开式的图象 语句4： s[x_,n_]:=Sum[(-1)^(k-1)x^(2k-1)/((2k-1)!),{k,1,n}] Plot[{Sin[x],s[x,5]},{x,-2Pi,2Pi},PlotStyle->{RGB[1,0,0]}] 实验结果如下： 图7和它的五阶Taylor展开式的图象 语句5： s[x_,n_]:=Sum[(-1)^(k-1)x^(2k-1)/((2k-1)!),{k,1,n}] Plot[{Sin[x],s[x,2],s[x,3],s[x,4],s[x,5] },{x,-2Pi,2Pi}] 实验结果如下： 图8 和它的二、三、四、五阶Taylor展开式的图象 （2）分别取n=10，20，100，画出函数在区间[-3π，3π]上的图像，当n→∞时，这个函数趋向于什么函数 语句1： f[x_,n_]:=Sum[Sin[k*x]/k,{k,1,n,2}] Plot[f[x,10],{x,-2Pi,2Pi},PlotStyle->{RGB[0,0,1]}]

第二章__随机变量及其概率分布_考试模拟题答案范文

第二章 随机变量及其概率分布 考试模拟题 (共90分) 一．选择题(每题2分共20分) 1．F(X)是随机变量X 的分布函数，则下列结论不正确的是（ B ） A.≤0F(x )1≤ B.F(x )=P{X=x } C.F(x )=P{X x ≤} D.F(∞+)=1, F(∞-)=0 解析： A,C,D 都是对于分布函数的正确结论，请记住正确结论！B 是错误的。 2．设随机变量X 的分布函数律为如下表格：F(x)为其分布函数，则F(5)=( C ) A.0.3 B.0.5 C.0.6 D.0.4 解析：由分布函数定义F(5)=P{X ≤5}=P{X=0}+P{X=2}+P{X=4}=0.1+0.2+0.3=0.6 3．下列函数可以作为随机变量分布函数的是（ D ） 4x 01≤≤x 2x 10<≤x A.F(x)= B.F(x)= 1 其它 2 其它 -1 x<0 0 x<0 C.F(x)= 2x 10<≤x D.F(x)= 2x 5.00<≤x 1 其它 1 x ≥0.5 解析：由分布函数F(x)性质：01)(≤≤x F ，A,B,C 都不满足这个性质，选D 4 x 31<<-x 4．设X 的密度函数为f(x)= 则P{-2

A. 0 B.83 C. 43 D. 85 解析：P{-2

数学实验(MATLAB版韩明版)5.1,5.3,5.5,5.6部分答案

练习 B的分布规律和分布函数的图形，通过观1、仿照本节的例子，分别画出二项分布()7.0,20 察图形，进一步理解二项分布的性质。 解：分布规律编程作图：>> x=0:1:20;y=binopdf(x,20,; >> plot(x,y,'*') 图像： y x 分布函数编程作图：>> x=0::20; >>y=binocdf(x,20, >> plot(x,y) 图像： 《

1 x 观察图像可知二项分布规律图像像一条抛物线，其分布函数图像呈阶梯状。 2、仿照本节的例子，分别画出正态分布()25,2N的概率密度函数和分布函数的图形，通过观察图形，进一步理解正态分布的性质。 解：概率密度函数编程作图：>> x=-10::10; >> y=normpdf(x,2,5); >> plot(x,y) 图像：

00.010.020.030.040.050.060.070.08x y 分布函数编程作图：>> x=-10::10; >> y=normcdf(x,2,5); ~ >> plot(x,y) 图像：

01x y 观察图像可知正态分布概率密度函数图像像抛物线，起分布函数图像呈递增趋势。 3、设()1,0~N X ，通过分布函数的调用计算{}11<<-X P ,{}22<<-X P , {}33<<-X P . 解：编程求解： >> x1=normcdf(1)-normcdf(-1),x2=normcdf(2)-normcdf(-2),x3=normcdf(3)-normcdf(-3) x1 = x2 = ） x3 = 即：{}6827.011=<<-X P ，{}9545.022=<<-X P ，{}9973.033=<<-X P . 4、设()7.0,20~B X ,通过分布函数的调用计算{}10=X P 与{}10> x1=binopdf(10,20,,x2=binocdf(10,20,-binopdf(10,20, x1 = x2 =

第二章__随机变量及其概率分布_考试模拟题答案

第二章随机变量及其概率分布考试模拟题 (共90 分) 一．选择题(每题2分共20分) 1．F(X) 是随机变量X的分布函数，则下列结论不正确的是( B ) A.0 F( x) 1 B.F( x)=P{X=x} C.F( x)=P{X x} D.F( )=1, F( )=0 解析：A,C,D 都是对于分布函数的正确结论，请记住正确结论！ B 是错误的。2．设随机变量X的分布函数律为如下表格：F(x)为其分布函数，则F(5)=( C ) A.0.3 B.0.5 C.0.6 D.0.4 解析：由分布函数定义F(5)=P{X 5}=P{X=0}+P{X=2}+P{X=4}=0.1+0.2+0.3=0.6 3．下列函数可以作为随机变量分布函数的是 4x 0 x1 2x A.F(x)= B.F(x)= 其它其它 x<0 x<0 C.F(x)= 2x D.F(x)= 2x 0 x 0.5 其它≥0.5 解析：由分布函数F(x) 性质：0 F(x) 1，A,B,C 都不满足这个性质，选D 4．设X 的密度函数为f(x)=则P{-2

1 解析：根据密 度函数性质： A.有f(x) 0的情况，错； B.D. 不符合 f(x)dx 1错； 1 C. 1 12dx 21x|11 12 21 1 选 C 6.设随机变量 X~N(1 ，4)， (1) 0.8413, (0) 0.5 ，则事件 {1 X 3 } 的概率为(D ) 解：P{1 X 3 }=F(3)-F(1)= (3 1) (1 1) (1) (0) 0.8413 0.5 0.3413 22 7．已知随机变量 X 的分布函数为( A ) 0 x 0 1 0 x 1 F(x)= 2 ，则 P X 1 = 2 1x3 3 1 x 3 112 A ． 1 B ． 1 C ． 2 D ． 1 623 A. 0 B. C. D. 848 解析： P {-2

联合概率分布：离散与连续随机变量

Joint Distributions,Discrete Case In the following,X and Y are discrete random variables. 1.Joint distribution(joint p.m.f.): ?De?nition:f(x,y)=P(X=x,Y=y) ?Properties:(1)f(x,y)≥0,(2) x,y f(x,y)=1 ?Representation:The most natural representation of a joint discrete distribution is as a distribution matrix,with rows and columns indexed by x and y,and the xy-entry being f(x,y).This is analogous to the representation of ordinary discrete distributions as a single-row table.As in the one-dimensional case,the entries in a distribution matrix must be nonnegative and add up to1. 2.Marginal distributions:The distributions of X and Y,when considered separately. ?De?nition: ?f X(x)=P(X=x)= y f(x,y) ?f Y(y)=P(Y=y)= x f(x,y) ?Connection with distribution matrix:The marginal distributions f X(x)and f Y(y) can be obtained from the distribution matrix as the row sums and column sums of the entries.These sums can be entered in the“margins”of the matrix as an additional column and row. ?Expectation and variance:μX,μY,σ2 X ,σ2 Y denote the(ordinary)expectations and variances of X and Y,computed as usual:μX= x xf X(x),etc. https://www.sodocs.net/doc/076020169.html,putations with joint distributions: ?Probabilities:Probabilities involving X and Y(e.g.,P(X+Y=3)or P(X≥Y)can be computed by adding up the corresponding entries in the distribution matrix:More formally,for any set R of points in the xy-plane,P((X,Y)∈R))= (x,y)∈R f(x,y). ?Expectation of a function of X and Y(e.g.,u(x,y)=xy):E(u(X,Y))= x,y u(x,y)f(x,y).This formula can also be used to compute expectation and variance of the marginal distributions directly from the joint distribution,without?rst computing the marginal distribution.For example,E(X)= x,y xf(x,y). 4.Covariance and correlation: ?De?nitions:Cov(X,Y)=E(XY)?E(X)E(Y)=E((X?μX)(Y?μY))(Covariance of X and Y),ρ=ρ(X,Y)=Cov(X,Y) σXσY (Correlation of X and Y) ?Properties:|Cov(X,Y)|≤σXσY,?1≤ρ(X,Y)≤1 ?Relation to variance:Var(X)=Cov(X,X) ?Variance of a sum:Var(X+Y)=Var(X)+Var(Y)+2Cov(X,Y)(Note the analogy of the latter formula to the identity(a+b)2=a2+b2+2ab;the covariance acts like a “mixed term”in the expansion of Var(X+Y).) 1

数学实验答案

实验一 %sy1ljq20111668 %第一大题 %1 x=[3,2*pi]; y1=sin(x)+exp(x) %y1= 20.2267 535.4917 %2 x=2:2:10 y2=x.^2+sqrt(2*x) %y2= 6.0000 18.8284 39.4641 68.0000 104.4721 %3 a=2*pi,b=35/180*pi,c=exp(2); y31=sin(a/5)+cos(b)*c y32=tan(b)*cot(a/3) %y31 =7.0038 %y32 =-0.4043 %6 a1=-6.28,a2=7.46,a3=5.37; a11=fix(a1) a21=fix(a2) a31=fix(a3) %a11=-6 %a21=7 %a31=5 %7

y71=abs(a1*a2+a3) y72=a1^2*sqrt(a2*a3/2) %y71 =41.4788 %y72 =176.5066 %8 save sy1 clear %9 load sy1 %10 A=[2 -5 6;8 3 1;-4 6 9]; A1=A' A2=det(A) A3=5*A save sy1 A1 A2 A3 %A1 = 2 8 -4 -5 3 6 6 1 9 %A2 =782 %A3 = 10 -25 30 40 15 5 -20 30 45 %第二大题 %1 X=0:pi/10:2*pi; Y=cos(X);S=[X',Y']

%S = 0 1.0000 0.3142 0.9511 0.6283 0.8090 0.9425 0.5878 1.2566 0.3090 1.5708 0.0000 1.8850 -0.3090 2.1991 -0.5878 2.5133 -0.8090 2.8274 -0.9511 3.1416 -1.0000 3.4558 -0.9511 3.7699 -0.8090 4.0841 -0.5878 4.3982 -0.3090 4.7124 -0.0000 5.0265 0.3090 5.3407 0.5878 5.6549 0.8090 5.9690 0.9511 6.2832 1.0000 %2 a22=input('a22='); b22=input('b22=');

第二章 随机变量及其概率分布

第二章 随机变量及其概率分布 教学目的与要求 1. 熟练掌握一维离散型随机变量及其分布的概念，会求一维离散型随机变量的分布列； 2. 熟练掌握一维随机变量分布函数的概念与性质； 3. 熟悉一维离散型随机变量的分布函数与分布列的关系； 3. 理解一维连续型随机变量分布函数与分布密度的概念及其关系； 4. 熟记常见的几种分布的表达形式. 6. 熟悉随机变量函数的分布函数与分布密度的计算公式. 教学重点 一维离散型、连续型随机变量及其分布 教学难点 随机变量函数的分布 教学方法 讲解法 教学时间安排 第11-12学时 第一节 随机变量 第四节 随机变量的分布函数 第13-16学时 第二节 离散型随机变量 第三节 连续型随机变量 第17-18学时 第五节 随机变量函数的分布 习题辅导 教学内容 第一节 随机变量 一、随机变量 在上一章所讲的有些随机试验的样本空间中基本事件是用数值描述的，这就提示我们，无论什么随机试验，如果用一个变量的不同取值来描述它的全部可能结果，样本空间的表达及其相应的概率就显得更明了、更简单.事实上，这种想法是可以的，为此，引入一个新概念. 定义2.1 设E 维随机试验，()ωΩ=为其样本空间，若对任意的ω∈Ω，有唯一的实数与之对应，且对{},x R x ξ?∈≤为事件，则称()ξω为随机变量. 这样，事件可通过随机变量的取值来表示，随机变量,(),(),b a b ξξξ≤<≤L 等都表

示为事件，其中,a b 表示任意实数.即用随机变量的各种取值状态和取值范围来表示随机事件. 二、分布函数的定义与性质 定义2.2 定义在样本空间Ω上，取值于实数域的函数()ξω，称为是样本空间Ω上的（实值）随机变量，并称 ()(()), (,)F x P x x ξω=≤∈-∞∞ 是随机变量()ξω的概率分布函数.简称为分布函数. 分布函数的性质： （1）单调性 若12,x x <则12()()F x F x ≤； （2）()lim ()0x F F x →-∞ -∞== ()lim ()1x F F x →+∞ +∞== （3）右连续性 (0)()F x F x += 反过来，任一满足这三个性质的函数，一定可以作为某个随机变量的分布函数.因此，满足这三个性质的函数通常都称为分布函数. 由分布函数还可以下列事件的概率： {()}1(){()}(0) {()}1(0){()}()(0) P x F x P x F x p x F x P x F x F x ξωξωξωξω>=-<=-≥=--==-- 由此可见，形如12121212{()},{()},{()},{()}x x x x x x x x ξωξωξωξω≤≤<<<≤≤<这些事件以及它们经过有限次或可列次并、交、差以后的概率，都可以由()F x 算出来，所以()F x 全面地描述了随机变量()ξω的统计规律. 第二节 离散型随机变量 一、离散型随机变量的概念及其分布 定义 2.2 定义在样本空间Ω上，取之于实数域R ，且只取有限个或可列个值的变量 ()ξξω=，称作是一维（实值）离散型随机变量，简称为离散型随机变量.称

MAAB数学实验第二版答案胡良剑

数学实验答案 Chapter 1 Page20,ex1 (5) 等于[exp(1),exp(2);exp(3),exp(4)] (7) 3=1*3, 8=2*4 (8) a为各列最小值，b为最小值所在的行号 (10) 1>=4,false, 2>=3,false, 3>=2, ture, 4>=1,ture (11) 答案表明：编址第2元素满足不等式(30>=20)和编址第4元素满足不等式(40>=10) (12) 答案表明：编址第2行第1列元素满足不等式(30>=20)和编址第2行第2列元素满足不等式(40>=10) Page20, ex2 (1)a, b, c的值尽管都是1，但数据类型分别为数值，字符，逻辑，注意a与c相等，但他们不等于b (2)double(fun)输出的分别是字符a,b,s,(,x,)的ASCII码 Page20,ex3 >> r=2;p=0.5;n=12;

>> T=log(r)/n/log(1+0.01*p) Page20,ex4 >> x=-2:0.05:2;f=x.^4-2.^x; >> [fmin,min_index]=min(f) 最小值最小值点编址 >> x(min_index) ans = 0.6500 最小值点 >> [f1,x1_index]=min(abs(f)) 求近似根--绝对值最小的点f1 = 0.0328 x1_index = 24 >> x(x1_index) ans = -0.8500

>> x(x1_index)=[];f=x.^4-2.^x; 删去绝对值最小的点以求函数绝对值次小的点>> [f2,x2_index]=min(abs(f)) 求另一近似根--函数绝对值次小的点 f2 = 0.0630 x2_index = 65 >> x(x2_index) ans = 1.2500 Page20,ex5 >> z=magic(10) z = 92 99 1 8 15 67 74 51 58 40 98 80 7 14 16 73 55 57 64 41 4 81 88 20 22 54 56 63 70 47 85 87 19 21 3 60 62 69 71 28

数学实验四题目和答案

一．实验题目 1.（必做题）解微分方程（组） （1） 322232(1)(0)0,'(0)1,''(0)1,d y d y dy y dx dx dx y y y ?=---???===-? （提示可以考虑[0,20]x ∈，以特解函数及其一阶、二阶导数曲线图形来表示） 解： ①将高阶微分方程化为一阶微分方程组，设y y y y y y ''='==321,,，则有 ()??? ????---='='='2122333221 1y y y y y y y y ②建立函数文件 function dy=myfun(x,y) dy=[y(2);y(3);(y(3)-1)^2-y(2)-y(1)^2]; ③主程序： [x,y]=ode45('myfun',[0,20],[0;1;-1]); plot(x,y(:,1),'*',x,y(:,2),'+',x,y(:,3),'o') %legend('y','y 的一阶导数','y 的二阶导数'); ④结果 注意此题得不到解析解，只能用数值解，解法可参看PPT 中数值解例题3 （2）运用数值解手段描述下面常微分方程组在初值0[0;0;110]x e ∈-下的相空间的相轨线. 11232233 1223'()8()/3()()'()10()10()'()()()28()()x t x t x t x t x t x t x t x t x t x t x t x t =-+??=-+??=-+-? 解：①建立函数文件 function dx=lorenz(t,x) dx=[-8/3*x(1)+x(2)*x(3);-10*x(2)+10*x(3);-x(1)*x(2)+28*x(2)-x(3)]; ②主程序文件 [t,x]=ode45('lorenz',[0,100],[0;0;1e-10]); axis([0 40 -20 20 -20 20]); plot3(x(:,1),x(:,2),x(:,3)); grid on ③结果