分布的拟合与检验的matlab实现

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(score0);%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=normpdf(x,mean(score),std(score));holdonplot(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);holdon%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','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(score0);%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=[506070788594];%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,'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)%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(score0);banji=banji(score0);%分别提取60101和60102班的总成绩'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xx=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