我想使用 MATLAB 来可视化运行中的中心极限定理。我想rand()
用来产生 10 个均匀分布的样本U[0,1]
并计算它们的平均值,然后将其保存到矩阵“Mat”中。
然后我会使用直方图来可视化分布的收敛。您将如何做到这一点并规范化该直方图,使其成为有效的概率密度(而不是仅仅计算发生频率)?
为了生成样本,我正在做类似的事情:
Mat = rand(N,sizeOfVector) > rand(1);
但我想我走错了方向。
我想使用 MATLAB 来可视化运行中的中心极限定理。我想rand()
用来产生 10 个均匀分布的样本U[0,1]
并计算它们的平均值,然后将其保存到矩阵“Mat”中。
然后我会使用直方图来可视化分布的收敛。您将如何做到这一点并规范化该直方图,使其成为有效的概率密度(而不是仅仅计算发生频率)?
为了生成样本,我正在做类似的事情:
Mat = rand(N,sizeOfVector) > rand(1);
但我想我走错了方向。
要生成N
长度样本,请按照您的建议sizeOfVector
开始rand
,然后按如下方式继续(调用数组average
而不是Mat
为了可读性):
samples = rand(N,sizeOfVector);
average = mean(samples,1);
binWidth = 3.49*std(average)*N^(-1/3)); %# Scott's rule for good bin width for normal data
nBins = ceil((max(average)-min(average))/binWidth);
[counts,x] = hist(average,nBins);
normalizedCounts = counts/sum(counts);
bar(x,normalizedCounts,1)