分布的拟合与检验的matlab实现

分布的拟合与检验 描述性统计量和统计图 读取文件中数据 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 examp02 14 xls Sheet1 G2G52 去掉总成绩中的 0 即缺考成绩 score score score 0 计算描述性统计量 score mean mean score 计算平均成绩 s1 std score 计算 5 1 式的标准差 s1 std score 0 也是计算 5 1 式的标准差 s2 std score 1 计算 5 2 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 range range score 计算样本极差 score median median score 计算样本中位数 score mode mode score 计算样本众数 score cvar std score mean score 计算变异系数 score skewness skewness score 计算样本偏度 score kurtosis kurtosis score 计算样本峰度 绘制箱线图 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 notch on orientation horizontal xlabel 考试成绩 为 X 轴加标签 绘制频率直方图 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 绘制理论正态分布密度函数图 产生一个新的横坐标向量 x x 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 normpdf x mean score std score hold on plot x y k LineWidth 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 绘制经验分布函数图 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 LineWidth 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 normcdf x stats mean 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 2 plot x y k LineWidth 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 绘制正态概率图 figure 新建图形窗口 normplot score 绘制正态概率图 分布的检验 读取文件中数据 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 examp02 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 nbins 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 nbins 6 求平均成绩 ms 和标准差 ss ms 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 nbins 6 cdf normcdf 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 nbins 6 cdf normcdf ms ss 同时指定 cdf 和 nparams 参数 h p stats chi2gof score nbins 6 cdf normcdf ms ss nparams 2 h p chi2gof score cdf normcdf 调用 chi2gof 函数检验数据是否服从标准正态分布 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 nbins 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 nbins 6 cdf normcdf ms ss emin 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 0 x 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 5 h 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 调用 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 LineWidth 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 LineStyle LineWidth 2 Color k 为图形加标注框 标注框的位置在坐标系的左上角 legend 60101 班总成绩的经验分布函数 60102 班总成绩的经验分布函数 Location 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 x x normrnd mean 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 sc