分布的拟合与检验的matlab实现.doc

si = std(score) % si = std(score,0) % s2 = std(score,1) %% % 分布的拟合与检验% % % 描述性统计量和统计图% 蹶取文件中数据%读取文件examp02_14.xls的第1个工作表中的 G2G52中的数据，即总成绩数据 score = xlsread('exampO2_14.xls','Sheet1','G2G52');%去掉总成绩中的0,即缺考成绩score = score(score 0);% 十算描述性统计量score_mea n = mean( score) % 计算平均成绩计算(5.1)式的标准差score_max = max(score) %计算样本最大值score_ min = min (score) %计算样本最小值score_ra nge = ran ge(score) %计算样本极差score_media n = media n( score) %计算样本中位数score_mode = mode(score) % 计算样本众数score_cvar = std(score)mea n( score) %计算变异系数score_skew ness = skew ness(score) %计算样本偏度score_kurtosis = kurtosis(score) %计算样本峰度淤制箱线图figure; % 新建图形窗口boxlabel = {' 考试成绩箱线图'}; %箱线图的标签%绘制带有刻槽的水平箱线图boxplot(score,boxlabel,' no tch',' on ','orie ntatio n','horiz on tal')也是计算(5.1)式的标准差 计算(5.2)式的标准差xlabel('考试成绩');% 为X轴加标签淤制频率直方图%调用ecdf函数计算xc处的经验分布函数值 f[f, xc] = ecdf(score);figure; % 新建图形窗口%绘制频率直方图ecdfhist(f, xc, 7);xlabel('考试成绩');% 为X轴加标签ylabel('f(x)'); % 为 Y 轴加标签淤制理论正态分布密度函数图%产生一个新的横坐标向量 xx = 400.5100;%计算均值为mean(score)，标准差为std(score)的正态分布在向量 x处的密度函数值y = no rmpdf(x,mea n( score),std(score));hold onplot(x,y,'k','L in eWidth',2) % 绘制正态分布的密度函数曲线，并设置线条为黑色实线，线宽为2%添加标注框，并设置标注框的位置在图形窗口的左上角legend('频率直方图','正态分布密度曲线','Location','NorthWest');淤制经验分布函数图figure; % 新建图形窗口%绘制经验分布函数图，并返回图形句柄 h和结构体变量stats ，%结构体变量stats有5个字段，分别对应最小值、最大值、平均值、中位数和标准差[h,stats] = cdfplot(score)set(h,'color','k','Li neWidth',2); % 设置线条颜色为黑色，线宽为 2%绘制理论正态分布函数图x = 400.5100; % 产生一个新的横坐标向量 x%计算均值为stats.mean，标准差为stats.std 的正态分布在向量 x处的分布函数值y = n ormcdf(x,stats.mea n,stats.std);hold on%绘制正态分布的分布函数曲线，并设置线条为品红色虚线，线宽为 2plot(x,y,'k','Li neWidth',2);%添加标注框，并设置标注框的位置在图形窗口的左上角legend('经验分布函数','理论正态分布','Location','NorthWest');淤制正态概率图figure; % 新建图形窗口normplot(score); % 绘制正态概率图% % 分布的检验% 蹶取文件中数据%读取文件examp02_14.xls的第1个工作表中的 G2G52中的数据，即总成绩数据 score = xlsread('exampO2_14.xls','Sheet1','G2G52');%去掉总成绩中的0,即缺考成绩score = score(score 0);%调用chi2gof函数进行卡方拟合优度检验%进行卡方拟合优度检验[h,p,stats] = chi2gof(score)%指定各初始小区间的中点ctrs = [50 60 70 78 85 94];%指定'ctrs'参数，进行卡方拟合优度检验[h,p,stats] = chi2gof(score,'ctrs',ctrs)[h,p,stats] = chi2gof(score,' nbi ns',6) % 指定'nbins'参数，进行卡方拟合优度检验%指定分布为默认的正态分布，分布参数由 x进行估计[h,p,stats] = chi2gof(score,' nbin s',6);%求平均成绩ms和标准差ssms = mean( score);ss = std(score);%参数'cdf的值是由函数名字符串与函数中所含参数的参数值构成的元胞数组[h,p,stats] = chi2gof(score,' nbin s',6,'cdf,{' no rmcdf, ms, ss});%参数'cdf的值是由函数句柄与函数中所含参数的参数值构成的元胞数组[h,p,stats] = chi2gof(score,' nbin s',6,'cdf,{ @no rmcdf, ms, ss});%同时指定’cdf 和'nparams'参数[h,p,stats] = chi2gof(score,' nbin s',6,'cdf,{ @no rmcdf,ms,ss},' nparams',2)%调用chi2gof函数检验数据是否服从标准正态[h,p] = chi2gof(score,'cdf ,@no rmcdf)分布%指定初始分组数为 6,检验总成绩数据是否服从参数为 ms = 79的泊松分布[h,p] = chi2gof(score,' nbin s',6,'cdf,{@poisscdf, ms})%指定初始分组数为 6,最小理论频数为 3，检验总成绩数据是否服从正态分布 h = chi2gof(score,' nbin s',6,'cdf,{ @no rmcdf, ms, ss},'em in ',3) %调用jbtest函数进行正态性检验randn( 'seed',0) % 指定随机数生成器的初始种子为 0x = randn(10000,1); % 生成10000个服从标准正态分布的随机数 h = jbtest(x) % 调用jbtest函数进行正态性检验x(end) = 5; % 将向量x的最后一个元素改为 5h = jbtest(x) % 再次调用jbtest 函数进行正态性检验%调用jbtest 函数进行Jarque-Bera检验[h,p,jbstat,critval] = jbtest(score)%调用kstest函数进行正态性检验%生成cdf矩阵，用来指定分布：均值为 79,标准差为10.1489的正态分布 cdf = [score, normcdf(score, 79, 10.1489)];%调用kstest函数，检验总成绩是否服从由 cdf指定的分布[h,p,ksstat,cv] = kstest(score,cdf)%阔用kstest2函数检验两个班的总成绩是否服从相同的分布%读取文件examp02_14.xls的第1个工作表中的B2B52中的数据，即班级数据banji = xlsread('examp02_14.xls','Sheet1','B2B52');%读取文件examp02_14.xls的第1个工作表中的 G2G52中的数据，即总成绩数据 score = xlsread('examp02_14.xls','Sheet1','G2G52');%去除缺考数据score = score(score 0);banji = banji(score 0);%分别提取60101和60102班的总成绩score1 = score(banji == 60101);score2 = score(banji == 60102);%调用kstest2函数检验两个班的总成绩是否服从相同的分布[h,p,ks2stat] = kstest2(score1,score2)%分别绘制两个班的总成绩的经验分布图figure; % 新建图形窗口%绘制60101班总成绩的经验分布函数图F1 = cdfplot(score1);%设置线宽为2，颜色为红色set(F1,'Li neWidth',2,'Color','r')hold on%绘制60102班总成绩的经验分布函数图F2 = cdfplot(score2);%设置线型为点划线，线宽为 2,颜色为黑色set(F2,'Li neStyle','-.','L in eWidth',2,'Color','k')%为图形加标注框，标注框的位置在坐标系的左上角lege nd('60101 班总成绩的经验分布函数','60102 班总成绩的经验分布函数'Locatio n'，‘Northwest')%调用kstest2函数进行正态性检验randn( 'seed',0) % 指定随机数生成器的初始种子为 0%产生10000个服从均值为79，标准差为10.1489的正态分布的随机数， 构成一个列向量xx = normrn d(mea n( score),std(score),10000,1);%调用kstest2函数检验总成绩数据 score与随机数向量x是否服从相同的分布[h,p] = kstest2(score,x,0.05)%调用lillietest 函数进行分布的检验% 调用 lillietest 函数进行 Lilliefors [h,p,kstat,critval] = lillietest(score) % 调用 lillietest 函数进行 Lilliefors[h, p] = lillietest(score,0.05,'exp')检验，检验总成绩数据是否服从正态分布检验，检验总成绩数据是否服从指数分布。