Отображение единообразного распределения

Население для этого примера является равномерным распределением случайных чисел между 0 и 1. Сгенерируйте набор образцов значений в MATLAB с помощью rand функция. Найдите их распределения с помощью histcounts функция.

numsamples = 1e4;
numbins = 20;
r = rand(numsamples,1);
hst = histcounts(r,numbins);

Создайте новый объект графика массива и сконфигурируйте свойства объекта графика массива, чтобы построить гистограмму.

scope = dsp.ArrayPlot;
scope.XOffset = 0;
scope.SampleIncrement = 1/numbins;
scope.PlotType = 'Stem';
scope.YLimits = [0, max(hst)+1];

Вызовите возможности, чтобы построить равномерное распределение.

scope(hst')

Отображение распределения нескольких выборок

Затем моделируйте вычисление нескольких равномерно распределенных случайных выборок. Поскольку население является равномерно распределенным множеством значений между 0 и 1, мы можем симулировать выборку и вычисление средств выборки, генерируя случайные значения между 0 и 1. Когда количество случайных выборок увеличивается, распределение средств более близко напоминает нормальную кривую. Запустите метод release, чтобы изменить значения свойств и входные характеристики.

hide(scope);
release(scope);

Измените строение свойств Array Plot для отображения функции распределения.

numbins = 201;
numtrials = 100;
r = zeros(numsamples,1);
scope.SampleIncrement = 1/numbins;
scope.PlotType = 'Stairs';

Неоднократно вызывайте возможности, чтобы построить график распределения выборок.

show(scope);
for ii = 1:numtrials
    r = rand(numsamples,1)+r;
    hst = histcounts(r/ii,0:1/numbins:1);
    scope.YLimits = [min(hst)-1, max(hst)+1];
    scope(hst')
    pause(0.1);
end

Когда симуляция завершена, на рисунке График массива (Array Plot) отображается кривая колокола, указывающая на распределение, близкое к нормальному.

Смотрите свои данные по масштабированию

Инструменты масштабирования позволяют вам масштабировать одновременно в направлениях как осей X, так и оси Y, или в любом направлении по отдельности. Например, для масштабирования распределения от 0,3 до 0,7 можно использовать опцию Масштабирование X.