• 5星
135.91MB qq_34351067 2021-04-16 14:11:28
• 5星
1.28MB qq_34093397 2020-12-01 13:14:33
• 5星
40KB weixin_46567845 2021-08-06 21:39:04
• 5星
3KB qq_42729362 2021-03-22 14:30:31
• 5星
9KB weixin_42696271 2021-09-11 02:49:23
• 4星
1.54MB qq_41934573 2021-05-19 13:39:28
• 5星
43KB qq_34093397 2021-01-04 10:45:38
• 5星
326KB weixin_42120750 2021-04-26 16:06:08
• 5星
3KB weixin_44410704 2021-06-07 11:35:12
• 5星
48.93MB gu5218 2021-09-07 22:31:07
• 5星
229B fuleifox 2012-02-27 10:34:06
• 课堂笔记
clc,clear,close all
x=-3:0.1:3;
y=-2:0.1:2;
mu=[-1 2];
sigma=[1 1;1 3];
[X,Y]=meshgrid(x,y);
xy=[X( : ) Y( : )];
p=mvnpdf(xy,mu,sigma);
p=reshape(p,size(X));
surf(X,Y,p);


2021年3月1日15:06:44
展开全文
Infinity_07 2021-03-01 15:01:56
• >> x=0:6.5:650;y=0:27:2700;[x,y]=meshgrid(x,y);F=(669126134152931648175758856558983806728427764752864631.*35184372088832.^(1819./5000).*3695207012694701.^(3181./5000).*gamma(3181./5000))./642775...

>> x=0:6.5:650;
y=0:27:2700;
[x,y]=meshgrid(x,y);
F=(669126134152931648175758856558983806728427764752864631.*35184372088832.^(1819./5000).*3695207012694701.^(3181./5000).*gamma(3181./5000))./642775217703596110216784836936465041008881197513117134120550400000000 - (6958236045425711425937142107971.*x.^(8181./5000).*exp(-(35184372088832.*x)./3695207012694701))./20769187434139310514121985316880384 - (669126134152931648175758856558983806728427764752864631.*35184372088832.^(1819./5000).*3695207012694701.^(3181./5000).*igamma(3181./5000, (35184372088832.*x)./3695207012694701))./642775217703596110216784836936465041008881197513117134120550400000000 - (210350875244555689461099923470287270269860976030451.*x.^(3181/5000).*exp(-(35184372088832.*x)./3695207012694701))./3653754093327257295509212081790707549139831357440000;
F2=(3926477034605225449330639167562343.*2.^(7551./10000).*5915813241695293.^(4243./10000).*gamma(4243./10000))/68056473384187692692674921486353642291200 - (23135028485772009482268672917525.*y.^(4243./10000).*exp(-(8796093022208.*y)./5915813241695293))./324518553658426726783156020576256 - (3926477034605225449330639167562343.*2.^(7551./10000).*5915813241695293.^(4243./10000).*igamma(4243./10000, (8796093022208.*y)./5915813241695293))./68056473384187692692674921486353642291200;
Z=exp(-((-log(F)).^2.459821+(-log(F2)).^2.459821).^0.406534);
surfl(x,y,Z)
错误使用 surf (line 74)
X、Y、Z 和 C 不能是复数。
出错 surfl (line 133)
h = surf(cax,x,y,z);
1575703989(1).jpg
(19.39 KB, 下载次数: 9)
2019-12-7 15:37 上传


展开全文
weixin_30558697 2021-04-21 07:08:20
• 1KB weixin_38743481 2019-11-15 12:26:58
• 用Slice sampling 来得到某单个分布的样本算法: 已知分布f(x) 1. 选择一个初始点，x0. 2. 在[0,f(x0)] 之间，通过均分分布产生一个采样y 3. 在 f(x) 上画一条通过 y的 水平线 4. 在线段内再次均匀采样得到一个...
用Slice sampling 来得到某单个分布的样本算法:

已知分布f(x)
1.      选择一个初始点，x0.
2.      在[0,f(x0)] 之间，通过均分分布产生一个采样y
3.      在 f(x) 上画一条通过 y的 水平线
4.      在线段内再次均匀采样得到一个点x ,此x就是此次迭代得到的新采样点。
5.      最后用新得的x作为初始值,重复step 2~step5

Y截得f(x)两点(L,R) ,称为f(x)的切片，经过不断迭代，得到很多切片，其中，切片的长度越长，被选取到的概率越大。
难点在于：对于多峰函数，切片所在的边界往往是不连续的，解决方法是拒绝更短的切片。

Matlab 程序1,生成单个拉普拉斯分布的采样

%%
laplaceDis1=@(y)exp(-abs(y))/2; % mu=0,b=1的拉斯分布
N=2000; %产生N个采样点
x = slicesample(1,N,'pdf',laplaceDis1,'thin',5,'burnin',1000);%thin, burn-in 具体设置看介绍
histogram(x,50); %显示采样点的直方图

如图:

%%matlab 程序2
%% 生成拉普拉斯分布的联合分布，每个随机变量成分都是独立的(方便演示)
%  类似Gibbs 多变量采样的方法，对某个确定的x1,在条件概率密度下P(x2|x1)得到x2的采样,然后对此x2,得到P(x1|x2)的一个采样
% 由于此处x1,x2独立，p(x2|x1)=p(x2),且slicesampling 得到的对概率密度积分和是否为1没有关联,所以可以直接生成联合分布
laplaceDis1=@(y)exp(-abs(y))/2; %mu=0,b=1的拉普拉斯分布 laplaceDis2=@(y)exp(-sqrt(2)*abs(y-2))/sqrt(2);%mu=2,b=1/sqrt(2) 拉普拉斯分布   limitL=-5; % 概率密度函数左边界 limitR=5;
x=zeros(N,2);   for i=1:N     start=unifrnd(limitL,limitR,1,2); %均布产生一个初值     x(i,1)=slicesample(start(1),1,'pdf',laplaceDis1);     x(i,2)=slicesample(start(2),1,'pdf',laplaceDis2); end

figure plot(x(:,1),x(:,2),'ro');

如图:


展开全文
puppy_wolf 2017-09-12 20:20:54
• ## matlab下的概率密度函数 matlab

5星
3.18MB fly1943dexia 2017-03-02 16:34:16
• 利用least-square参数估计法与Copula函数计算联合概率分布 (matlab code)(The joint probability distribution (Matlab, code) is calculated by using the least-square parameter estimation method and the ...

利用least-square参数估计法与Copula函数计算联合概率分布 (matlab code)(The joint probability distribution (Matlab, code) is calculated by using the least-square parameter estimation method and the Copula function)
% using least-square parameter estimation method and Copula function to calculate joint probability distribution
%parameter, estimation, for, Weibull, distribution, and, estimate, the,, parameter, for, Copula
Clear; clc;
N=20;
H=[8.7, 12.8, 9.9, 10.3, 7.5, 12.3, 10.3, 7.5, 9.3, 12.7, 6.8, 7.4, 12.6,, 12.2, 8.7, 13.2, 11.8, 11,, 10.5;
S=[39.9, 40.3, 41.7, 28.5, 26.4, 47.1, 40.5, 22.9, 40.5, 42.2, 23.8, 23.6, 38.2,, 45.8, 34.2, 31.2, 35.2, 41.2,, 41.5;
%--------determine Weibull distribution-----------------------------------
H_sort=sort (H);
S_sort=sort (s);
X_hi=log (h_sort);
X_si=log (s_sort);
For k=1:20
MR (k) = (k-0.3) / (n+0.4);
X_hi_2 (k) = (x_hi (k)) ^2;
X_si_2 (k) = (x_si (k)) ^2;
End
Yi=log (-log (1-MR));
For i=1:n
Yi_2 (I) = (Yi (I)) ^2;
Xy_hi (I), =x_hi (I), *yi (I);
Xy_si (I), =x_si (I), *yi (I);
End
B_hat_h= (sum (xy_hi), -sum (x_hi), *sum (Yi) /n) / (sum (x_hi_2) - (sum (x_hi)) ^2/n);
B_hat_s= (sum (xy_si), -sum (x_si), *sum (Yi) /n) / (sum (x_si_2) - (sum (x_si)) ^2/n);
A_hat_h=mean (Yi) -b_hat_h*mean (x_hi);
A_hat_s=mean (Yi) -b_hat_s*mean (x_si);
Eta_hat_h=exp (-a_hat_h/b_hat_h)
Eta_hat_s=exp (-a_hat_s/b_hat_s)
Beta_hat_h=b_hat_h
Beta_hat_s=b_hat_s
%----------determine Copula function--------------------------------------------
Count_nag=0;
Count_pos=0;
For j=1:n-1
For l=j+1:n
Tau_value= (H (J) -h (L)) * (s (J) -s (L));
If (tau_value<0)
Count_nag=count_nag+1
Else
Count_pos=count_pos+1;
End
End
End
Tau= (count_pos-count_nag) / (n* (n-1) *0.5)
Theta=2*tau/ (1-tau)
%Plot, PDF, and, CDF, distribution, figures, in, calculation
%Prepare, by, Pu, Li, 2008.03.22
Clear; clc;
H=[0:0.3:30];
S=[0:0.9:90];
H_pdf=wblpdf (h, 11.0175, 4.2393);
S_pdf=wblpdf (s, 38.8137, 4.4892);
Figure;
Plot (h, h_pdf);
Figure;
Plot (s, s_pdf);
H_cdf=wblcdf (h, 11.0175, 4.2393);
S_cdf=wblcdf (

展开全文
weixin_31026805 2021-04-18 11:52:51
• 5星
483B fuleifox 2012-02-27 10:31:43
• ## Copula边缘分布及联合分布 R语言

5星
8KB qq_24471569 2018-09-02 20:12:13
• ## 利用MATLAB来绘制二维随机变量的联合概率密度图像 matlab

weixin_44202064 2021-07-30 15:36:57
• weixin_29332867 2021-04-19 04:16:22
• ## matlab_画出二维概率分布函数的图像 matlab

qq_45908742 2021-03-14 19:42:21
• 1.05MB u013883025 2021-06-23 17:32:18
• ## 多维联合正态分布代码matlab（以二维为例） matlab

hsuuuu1 2021-10-10 23:48:38
• ## multpdf:多项式概率密度函数。-matlab开发 matlab

3KB weixin_38729438 2021-06-01 20:51:31
• qq_35664774 2018-03-02 15:51:05
• ## MATLAB根据正态分布样本计算概率密度函数，生成服从样本正态分布的随机数 matlab 数据分析

weixin_43796042 2021-02-23 04:33:20
• weixin_29706351 2021-05-03 03:20:17
• ## 图像的联合概率分布 计算机视觉

submarine9491 2021-03-30 09:11:58
• ## 计算二维离散随机变量的联合概率分布 hist3 accumarray mex

rongfzh1990 2017-04-07 14:24:15
• weixin_28996083 2021-04-24 23:38:32
• mucai1 2014-12-18 16:19:29
• 5星
625B easysu 2014-05-29 20:26:58
• weixin_39851307 2021-04-18 10:29:06
• ## Matlab求解离散型二维随机变量的概率密度分布 算法 matlab

Chauncyxu 2021-05-27 15:46:17
• ## 丘比特：MATLAB工具箱，用于处理单变量概率分布-源码 MATLAB

2.38MB weixin_42131443 2021-02-23 06:28:10
• ## 洪峰洪量联合分布的copula copula

5星
3KB weixin_44320788 2018-12-30 10:20:16
• ## 联合概率分布函数的问题 matlab 图片

moxuanyao 2014-09-02 10:01:15
• weixin_34626779 2021-04-20 06:52:15

...

matlab 订阅