基于Matlab和中心极限定理的偏置模PDF和CDF
我试图用中心极限定理绘制10^4个样本的偏置模辊的PDF和CDF。(CLT) 当偶数边的可能性是奇数边的两倍时,死亡是有偏见的或不公平的。这是diefaces=[1,3,2,4,6,2]。在这种情况下,我可以在Matlab中使用什么来计算奇数的概率,其中Sn=X1+X2+…+Xn,n=40 以下是我到目前为止所做的尝试。我正在努力解决的部分是通过样本,在本例中,样本数为10^4,n=40。谢谢你的帮助基于Matlab和中心极限定理的偏置模PDF和CDF,matlab,probability,convergence,probability-distribution,Matlab,Probability,Convergence,Probability Distribution,我试图用中心极限定理绘制10^4个样本的偏置模辊的PDF和CDF。(CLT) 当偶数边的可能性是奇数边的两倍时,死亡是有偏见的或不公平的。这是diefaces=[1,3,2,4,6,2]。在这种情况下,我可以在Matlab中使用什么来计算奇数的概率,其中Sn=X1+X2+…+Xn,n=40 以下是我到目前为止所做的尝试。我正在努力解决的部分是通过样本,在本例中,样本数为10^4,n=40。谢谢你的帮助 clear % Roll the dice "numberOfRolls" times num
clear
% Roll the dice "numberOfRolls" times
numberOfRolls = 10000; % Number of times you roll the dice.
% Biased die with even sides twice as likely as a odd number
diefaces = [1,3,2,4,6,2];
n = 1; % Number of dice.
maxFaceValue = 6;
% Pick a random number from diefaces along with the number of rolls which
% is not working :(
x = diefaces(randperm(numel(diefaces),1),10000)
S1 = cumsum(x)
hist1= histogram(S1(1,:),'Normalization','pdf','EdgeColor', 'blue', 'FaceColor', 'blue')
您可以生成10000个不公平模具辊的结果,偶数侧的概率是奇数侧的两倍,就像这样 首先,让我们定义模具的奇数面和偶数面
odd = [1 3 5];
even = [2 4 6];
画10000个均匀分布的数字
r = rand(10000,1);
分配一些结果变量
rolls = zeros(10000,1);
如果现在将随机数拆分为1/3
,则奇数和偶数的概率为1:2
。因为(我假设)在奇数和偶数中,概率是一致的(即,得到3的概率与得到1的概率相同,依此类推),所以使用一致的随机数来分配相应的值
使用逻辑索引
rolls(r>1/3) = even(randi(3,sum(r>1/3),1));
rolls(r<=1/3) = odd(randi(3,sum(r<=1/3),1));
对于使用CLT生成PDF和CDF,请使用,但使用如上生成的分布。您可以生成10000个不公平模辊的结果,偶数侧的概率是奇数侧的两倍 首先,让我们定义模具的奇数面和偶数面
odd = [1 3 5];
even = [2 4 6];
画10000个均匀分布的数字
r = rand(10000,1);
分配一些结果变量
rolls = zeros(10000,1);
如果现在将随机数拆分为1/3
,则奇数和偶数的概率为1:2
。因为(我假设)在奇数和偶数中,概率是一致的(即,得到3的概率与得到1的概率相同,依此类推),所以使用一致的随机数来分配相应的值
使用逻辑索引
rolls(r>1/3) = even(randi(3,sum(r>1/3),1));
rolls(r<=1/3) = odd(randi(3,sum(r<=1/3),1));
要使用CLT生成PDF和CDF,请使用,但要使用如上生成的分发版。定义模具并获取适用于自定义模具的有效版本。您可以通过确保
sum(Prob)
等于1来验证PMF。请注意,通过将RelChance
设置为[1]
可获得一个公平模具
下面的模具表面概率为[1/9 2/9 1/9 2/9 1/9 2/9]
Die = [1 2 3 4 5 6];
RelChance = [1 2 1 2 1 2]; % Relative Chance
Prob = RelChance./sum(RelChance); % probability mass function for die
可以使用模拟滚动模具的结果(需要统计工具箱)。如果绝对必要的话,可以通过几种方法进行硬编码
下面的代码多次从Die
读取样本NumRolls
,概率Prob(ii)
表示Die(ii)
的概率
现在,用它来实现既定目标。与本文类似,创建一个数组X
,其中第一行是X1的实现,第二行是X2的实现,依此类推。这不一定要花哨
同样,使用来获取列的累积和。这意味着第一行是来自S1=X1
的实现,第二行是来自S2=X1+X2
的实现,第40行是来自S40=X1+X2+…+的经验样本X40
n_max = 40;
NumRolls = 10000;
X = zeros(n_max,NumRolls);
for n = 1:n_max
X(n,:) = datasample(Die,NumRolls,'Weights',Prob);
end
Sn = cumsum(X);
如何绘图?此时,由于我们的变量名称与流程匹配,其余步骤(绘图)与相同,但有一些小的修改。由于这是离散(非连续)数据,因此我使用的'Normalization'、'probability'
选项生成了下面的图。对a的引用已相应地重新标记
发布了中心极限定理的连续版本。定义您的模具,并为您的自定义模具获取有效的。您可以通过确保
sum(Prob)
等于1来验证PMF。请注意,通过将RelChance
设置为[1]
可获得一个公平模具
下面的模具表面概率为[1/9 2/9 1/9 2/9 1/9 2/9]
Die = [1 2 3 4 5 6];
RelChance = [1 2 1 2 1 2]; % Relative Chance
Prob = RelChance./sum(RelChance); % probability mass function for die
可以使用模拟滚动模具的结果(需要统计工具箱)。如果绝对必要的话,可以通过几种方法进行硬编码
下面的代码多次从Die
读取样本NumRolls
,概率Prob(ii)
表示Die(ii)
的概率
现在,用它来实现既定目标。与本文类似,创建一个数组X
,其中第一行是X1的实现,第二行是X2的实现,依此类推。这不一定要花哨
同样,使用来获取列的累积和。这意味着第一行是来自S1=X1
的实现,第二行是来自S2=X1+X2
的实现,第40行是来自S40=X1+X2+…+的经验样本X40
n_max = 40;
NumRolls = 10000;
X = zeros(n_max,NumRolls);
for n = 1:n_max
X(n,:) = datasample(Die,NumRolls,'Weights',Prob);
end
Sn = cumsum(X);
如何绘图?此时,由于我们的变量名称与流程匹配,其余步骤(绘图)与相同,但有一些小的修改。由于这是离散(非连续)数据,因此我使用的'Normalization'、'probability'
选项生成了下面的图。对a的引用已相应地重新标记
中央极限定理的连续版本已经发布。这应该让你走上正确的轨道:是
Sn
六面模具n
卷上的点子(点)总数吗?这是n
rolls中的奇数吗?你能定义Sn吗?此外,Sn=S1+S2+…+Sn看起来很奇怪。你是说Sn=X1+X2+…+Xn?然后你能定义X_i(i=1,2,…,n)吗?“这些随机变量有了明确的定义,这个问题就变得非常容易回答了。”秘书长。(再次感谢)刚刚更新了问题。我的意思是Sn=X1+X2+..+Xn。席