poster
2019-12-14, 20:13
为了检查中心极限定理，我想使用rand()产生10个均匀分布U[0,1]样本并计算它们的平均值，然后将其保存到矩阵“ Mat”中，并使用直方图查看结果。 ..但是您如何将其和归一化直方图，使其成为概率密度。
所以..生成样本我正在做的事情是这样的：
Mat = rand(N,sizeOfVector) > rand(1); 但是我想我走错了方向...
回答：
要生成N个长度为sizeOfVector样本，请按照您的建议从rand开始，然后按以下步骤继续操作（调用数组average而不是Mat以提高可读性）：
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)
更多&回答... (https://stackoverflow.com/questions/5176908)
所以..生成样本我正在做的事情是这样的：
Mat = rand(N,sizeOfVector) > rand(1); 但是我想我走错了方向...
回答：
要生成N个长度为sizeOfVector样本，请按照您的建议从rand开始，然后按以下步骤继续操作（调用数组average而不是Mat以提高可读性）：
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)
更多&回答... (https://stackoverflow.com/questions/5176908)