[리포트]확률 및 랜덤변수 REPORT#1

소개글

확률및 랜덤변수의 이해

목차

1. 랜덤변수의 각 분포에 대한 pmf, CDF를 계산하고 그래프로 출력한 뒤 분석
2. 각각의 분포에 대한 1000개 이상의 랜덤 샘플들의 pmf, CDF

본문내용

Poisson pmf 는 x=0에서부터 확률을 갖게 되므로, CDF에서 x=0일 때 0이 아닌 확률을 갖고 그래프가 시작된다.

2. 각각의 분포에 대한 1000개 이상의 랜덤 샘플들의 pmf, CDF

(1) X~Bernoulli pmf, CDF(0.3)

x = 0:1;
p = 0.3;
n = 1000;
rv = bernoullirv(p,n);
nx = count(rv,x);
y = hist(rv,x)/n;
pmfplot(x,y,`x`,`nx`)

x = 0:1;
p = 0.3;
n = 1000;
rv = bernoullirv(p,n);
nx = count(rv,x);
cdfplot(x,nx/n,`x`,`Fx`)

1000개의 랜덤변수를 0.3의 확률로 생성하고, 그에 따른 pmf, CDF 를 그래프로 나타냈다. y를 실행시켜본 결과 0은 699개, 1은 301개가 나타났다.. 이는 p = 0.3의 이론적인 Bernoulli pmf, CDF의 그래프와 거의 유사한 형태의 그래프가 나타났다.

(2) X~Geometric pmf, CDF(0.3)

x = 1:10;
p = 0.3;
n = 1000;
rv = geometricrv(p,n);
nx = count(rv,x);
y = hist(rv,x)/n;
pmfplot(x,y,`x`,`Px`)

참고 자료

없음