,0.5)
P = 0.4013 0.5987 0.1974
У разі d) збільшення інтервалу від [-0. 5,0.5] до [-3,3] призводить до збільшення ймовірності виявити значення випадкової змінної в межах інтервалу. p align="justify"> clear, clc, close (0,2,3)
P = 0.0668 0.9332 0.8664
Перевіримо останній результат зверненням до файл-функції NormFig, яка обчислює ймовірності на підставі використання високоуровневой функції normpdf
clear, clc, close (0,2, - 3,3)
P = 0.86639
2. Зворотний кумулятивна функція нормального розподілу
Зворотний кумулятивна функція нормального розподілу, що є рішенням інтегрального рівняння
х = F -1 (p | Ој, ? ), де р = F (x | Ој, ? ) ,
визначена файл-функцією norminv (F, mu, sigma):
Квантиль x q рівня q, обчислюють рішенням рівняння
F (xq | Ој,?) =.
Побудувати графіки функцій зворотних кумулятивних нормальних розподілів з параметрами Ој = 0 і? = 1,2,3 (рис. 1.14).
F = 0:0.001:1; = 0; sigma = 1; sigma <= 3 = norminv (F, mu, sigma); (F, x, 'k', 'LineWidth', 1.5), hold on = sigma +1;
end
% ('Зворотне нормальний розподіл, mu = 0, sigma = var')
xlabel ('F') ('x (F)') (0.88, 0.35, ' sigma_1 = 1'); (0.85, 1.8, ' sigma_2 = 2'); (0.8 , 3.5, ' sigma_3 = 3');
Зв'язок функцій кумулятивного і зворотного кумулятивного розподілів ілюструється наступними двома алгоритмами.
x = -4:0.1:4; = 0; sigma = 1; sigma <= 3 = norminv (normcdf (x, mu, sigma), mu, sigma); (x, xnew, 'k', 'LineWidth', 1.5), hold on = sigma +1;
% ('x') ('x') ('x = norminv (normcdf (x, mu, sigma), mu, sigma)') = 0:0.1:1; = 0; sigma = 1; sigma <= 3 = normcdf (norminv (F, mu, sigma), mu, sigma); (F, Fnew, 'k', 'LineWidth', 1.5), hold on = sigma +1;
% ('F')
ylabel ('F')
title ('F = normcdf (norminv (F, mu, sigma), mu, sigma)')
Побудувати файл-функцію для обчислення та графічної ілюстрації квантилів нормального розподілу з параметрами Ој і ?. Рівні квантилів задати вектором q = [q, q 2
