matalb生成符合泊松分布的随机数，并进行测试是否符合1.poissrnd()2.ksdensity（）函数 3.poissfit（） 4.实际示例： 5.将生成数据的概率分布和拟合的泊松分布的概率分布进行对比6.工程链接：https://download.csdn.net/download/qq_43811597/86475770

78 阅读 0 评论 52 点赞

我是靠谱客的博主眼睛大战斗机，最近开发中收集的这篇文章主要介绍matalb生成符合泊松分布的随机数，并进行测试是否符合1.poissrnd()2.ksdensity（）函数 3.poissfit（） 4.实际示例： 5.将生成数据的概率分布和拟合的泊松分布的概率分布进行对比6.工程链接：https://download.csdn.net/download/qq_43811597/86475770，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

1.poissrnd()

语句r = poissrnd(lambda)生成随机数，其服从参数为λ(lambda)的泊松分布。
λ可以是标量、向量、矩阵或多维数组。

r = poissrnd(lambda)
r = poissrnd(lambda,sz1,…,szN)
r = poissrnd(lambda,[sz1,…,szN])

example1：

r = poissrnd(10);

r = 16

example2：

r = poissrnd(10,1,2,3);


val(:,:,1) =

    11     9


val(:,:,2) =

     8     9


val(:,:,3) =

    12     9

example3：

r = poissrnd(10,[1,2,3]);

val(:,:,1) =

    10     8


val(:,:,2) =

     6     8

一般来说，我们写成类似data = poissrnd(200,1,700);即可，表示生成1X700数组（即700个数）的符合λ=200的随机数

2.ksdensity（）函数

用于计算一维或二维核密度或分布估计。其主要使用格式：

[F,XI]=ksdensity(X) %计算的概率密度估计在向量或两列的矩阵X （ksdensity样本）评价

100点密度估计（或二元数据的900点密度估计）的数据。

式中：F——密度值的向量。；XI——100（或900）点的集合。（也就是说可以对x这个数组，进行每个点的概率分析）

[f,xi]=ksdensity(data);
figure(2);
plot(xi,f);
xlabel('xi'),ylabel('f');

3.poissfit（）

泊松参数估计

lambdahat = poissfit(data) 基于给定数据 data 返回泊松分布参数 λ 的最大似然估计 (MLE) 值。

[lambdahat,lambdaci] = poissfit(data) 还在 lambdaci 中给出 95% 的置信区间。

[lambdahat,lambdaci] = poissfit(data,alpha) 给出 100(1 - alpha)% 的置信区间。例如，alpha = 0.001 得出 99.9% 的置信区间。

样本均值是 λ 的 MLE。

ˆλ=1nn∑i=1xi

[mu,sigma]= poissfit(data);

4.实际示例：

x = 1:700;
data = poissrnd(200,1,700); %生成700个 参数为200的符合泊松分布的数据
figure(1);
plot(x,data);%画出700个数据的参数图
[f,xi]=ksdensity(data);  %生成700个数据的概率分布图
figure(2);
plot(xi,f);
xlabel('xi'),ylabel('f');
[mu,sigma]= poissfit(data); %分析是否符合泊松分布
fid = fopen('data.coe','wt');  %将生成的数据保存到.coe文件中
fprintf(fid,'memory_initialization_radix=10;n',data); %这两行是保存为coe文件必须写的，如果是mif文件就不需要
%文件存储数据的进制，10即为10进制
fprintf(fid,'memory_initialization_vector=n',data);
fprintf(fid,'%g,n',data);
fclose(fid);


fid = fopen('data.mif','wt');  %将生成的数据保存到.mif文件中
fprintf(fid,'%g,n',data);
fclose(fid);

其中输出coe文件时，必须加上两行

fprintf(fid,'memory_initialization_radix=10;n',data);
fprintf(fid,'memory_initialization_vector=n',data);

memory_initialization_radix表示内存初始化基数，即初始化数据类型，有效值为2（表示二进制），10（表示十进制），16（表示十六进制）。

memory_initialization_vector表示内存初始化向量，用来定义每个内存的内容

下面是coe文件输出的结果：