数学实验_10_数据的统计与分析报告

数学实验_10_数据的统计与分析报告

ID:46874742

大小:378.50 KB

页数:9页

时间:2019-11-28

数学实验_10_数据的统计与分析报告_第1页
数学实验_10_数据的统计与分析报告_第2页
数学实验_10_数据的统计与分析报告_第3页
数学实验_10_数据的统计与分析报告_第4页
数学实验_10_数据的统计与分析报告_第5页
资源描述:

《数学实验_10_数据的统计与分析报告》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、.....实验10:数据的统计与分析习题5:炮弹射击的目标为一圆形区域,半径为100m,弹着点以圆心为中心成二位正态分布,设在密度函数式当中,=80m,=50m,相关系数r=0.4,求炮弹命中圆形区域的概率。1.模型建立设目标中心为坐标原点。Rad(radium)=100,则圆形区域可以表示为:着弹点符合二维正态分布,记其坐标为(x,y),其概率密度为有:(1)其中=,=,由于中心在原点,所以上式中不含有期望值(=0)。于是炮弹命中圆形区域的概率可以利用二重积分求得:(2)以上积分无法用解析访法求解,可以根据MonteCarlo方法通过下式进行运

2、算:(3)其中,表示与圆域外切的正方形区域的面积,n为投点次数,表示落在区域中的点的坐标。2.程序设计(程序部分可直接粘贴运行):1)构造概率密度函数,符合(1)式functionf=prob(s1,s2,r,x,y)f=1/(2*pi*s1*s2*sqrt(1-r^2))*exp(-1/(1-r^2)/2*(x^2/s1^2-2*r*x*y/s1/s2+y^2/s2^2));2)主函数clearalls1=80;s2=50;%s1,s2为标准差r=0.4;n=100000;rad=100;x=unifrnd(-rad,rad,1,n);%在(-

3、100,100)内随机均匀取n组x,y值,y=unifrnd(-rad,rad,1,n);学习参考.....sum=0;m=0;tic%计时fork=1:nifx(1,k)^2+y(1,k)^2<=rad^2%实现MonteCarlo方法sum=sum+prob(s1,s2,r,x(1,k),y(1,k));m=m+1;%sum为(3)式右端和式部分endendtocp=(2*rad)^2/n*sum%根据(3)式计算概率1.运行结果及分析:n=10000012345计算结果0.69620.69770.69650.69800.6967计算时间(s

4、)2.1611752.1608332.1965802.1429442.189436n=1000012345计算结果0.69060.69970.69530.69720.7025计算时间(s)0.217610.208250.208710.240710.22048最终结果为0.7左右。通过上表还可以看出,随即试验的次数并不能完全的决定最终结果的准确性。当n=1e5时,其结果比起n=1e4的结果相对稳定,但是计算时间是后者的10倍,可以推断若将本方法应用于更大规模的数据处理当中,必然产生精度和计算速度的矛盾。以上问题是实际上反映了局部抽样中必然存在的问题

5、,MonteCarlo算法的理论基础是Bernoull大数定理,即:n次独立重复试验中A发生的次数k,与A在每次试验中发生的概率p有如下关系:(4)而实际中的试验次数必然是有限的,所以最终得到的结果必然会不能完全符合p概率值。但是,在多次重复试验中,同分布的随机变量,其总体期望和方差为:(5)(6)可以看出,随着试验次数的增加,总体期望并没有发生变化,但是方差变小了。这也就是n=10000时得到的结果波动性比n=100000时要强的原因了,试验次数越多,试验结果偏离实际概率的程度就越小。可知,在n更大的情况下,对应着一个精度,在该精度要求下,最终

6、结果可以认为是和概率值完全符合。这里不再继续进行次数更多的实验。2.一个错误的分析:同课本中例6不同的是,本题的x、y是相互关联的,即满足二维正态分布,而例6种的x、y坐标是相互独立的,各自满足一维正态分布。因此,在x-y平面上,对两个坐标的取点就必须考虑其相互影响,学习参考.....x、y的取值不是关于坐标轴对称的(实际是关于原点对称的),因此在计算积分时区域位于四个象限内的积分也不是完全相等的。若此时仍采用例6算法:用第一象限的积分值*4作为整体积分值,就会产生错误(得到的结果为0.8);类似的,若用第二象限的积分值*4作为整体积分值,也会产

7、生错误(得到的结果为0.6)。这都是忽略了x、y的相互作用造成的。相关系数r的意义是,当r=0时,x、y完全不相关;r=1时,x、y成线性关系;r=-1时,x、y成负线性关系。用以下程序,绘制不同r值时的x、y、prob(x,y)三维图像:r=0.9;%r=0.1/-0.5;x=-100:0.1:100; y=x;[X,Y]=meshgrid(x,y);Z=prob(s1,s2,r,X,Y);mesh(X,Y,Z)r=0.9学习参考.....r=0.1r=-0.5可以看到,三维图形也基本符合钟形分布,但是随着r值的变化,概率密度峰值的出现范围随之

8、改变,红色椭圆区域的长轴方向,基本上与y=rx走向一致。r=0时,可以推断,概率密度值讲关于x、y轴对称,即不相关情况(例6),可以用某

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。