Здесь можно найти образцы любых учебных материалов, т.е. получить помощь в написании уникальных курсовых работ, дипломов, лабораторных работ, контрольных работ и рефератов. Так же вы мажете самостоятельно повысить уникальность своей работы для прохождения проверки на плагиат всего за несколько минут.

ЛИЧНЫЙ КАБИНЕТ 

 

Здравствуйте гость!

 

Логин:

Пароль:

 

Запомнить

 

 

Забыли пароль? Регистрация

Повышение уникальности

Предлагаем нашим посетителям воспользоваться бесплатным программным обеспечением «StudentHelp», которое позволит вам всего за несколько минут, выполнить повышение уникальности любого файла в формате MS Word. После такого повышения уникальности, ваша работа легко пройдете проверку в системах антиплагиат вуз, antiplagiat.ru, etxt.ru или advego.ru. Программа «StudentHelp» работает по уникальной технологии и при повышении уникальности не вставляет в текст скрытых символов, и даже если препод скопирует текст в блокнот – не увидит ни каких отличий от текста в Word файле.

Результат поиска


Наименование:


лабораторная работа Алгоритм моделирования с использованием среды MatLab

Информация:

Тип работы: лабораторная работа. Добавлен: 14.08.2012. Сдан: 2011. Страниц: 8. Уникальность по antiplagiat.ru: < 30%

Описание (план):


Министерство  образования и науки Российской Федерации
Новосибирский государственный технический университет
Кафедра экономической информатики 

Новосибирск
2010 

Цель  работы
    Освоить приемы программирования и реализации простейших алгоритмов моделирования  с использованием среды MatLab. Получить навыки, которые будут полезны при выполнении последующих лабораторных работ.   
 

Ход работы 

    Теория  о биномиальном распределении:
 
   Биномиальное  распределение в теории вероятностейраспределение количества «успехов» в последовательности из независимых случайных экспериментов, таких что вероятность «успеха» в каждом из них равна . 

   Если  вероятности появления отдельных  вариант выражаются величинами, соответствующими коэффициентам разложения бинома Ньютона, то такое распределение называется биномиальным. Оно относится к признакам, варьирующим дискретно, прерывисто. В этом случае частоты отдельных классов пропорциональны коэффициентам разложения бинома Ньютона: 

(Р + Ч)к, 

где р и q— вероятности появления каждого признака; к — число классов, отличающихся по появлению признака. 

     Если  р = 0,5, q= 0,5, а к - увеличивается, то биномиальная кривая приближается к нормальной кривой, которая является пределом биномиального распределения. Чем больше различаются значения р и q, тем значительнее асимметрия биномиальной кривой. Средняя арифметическая и среднее квадратическое отклонение характеризуют биномиальное распределение. 
 
 
 

 
 

 
 
 
 
 
 
 
 
 
 
 
 

    Задание 1:
 
    Написать программу, генерирующую выборку, элементы которой  подчинены закону распределения  в соответствии с Вашим вариантом  из таблицы 1, и построить график функции плотности вероятностей и функции распределения.
 
    А) Выборка: 

N = 10;
P=0.5;
m=[1 100];
y = binornd(N,P,m) 
 

    Результат: 

y =  4     5     4     6     5     2     5     6     4     4     6
     6     4     7     3     6     6     7     7     6     5     5
     1     6     7     4     4     3     2     4     4     5     6
     4     4     5     3     5     7     4     7     2     7     7
     4     5     4     4     4     8     7     6     3     6     5
     7     3     4     4     3     4     4     5     5     4     6
     4     5     8     4     1     7     7     7     6     3     7
     6     7     8     7     3     4     4     6     9     6     6
     5     5     5     4     4     4     4     4     5     4     5 
 
 

    Б) для плотности вероятности 

 

Программа: 

x = 0:10;
y = binopdf(x,10,0.5);
plot(x,y,'-') 

Результат:
рис.1 
 

    В) для функции распределения 

Программа: 

x = 0:0.1:10;
y = binocdf(x,10,0.5);
plot(x,y) 
 

Результат:
рис. 2
    Построить гистограмму для выборки (используйте функцию hist).
 
     

Программа: 

N = 10;
P=0.5;
m=[1 100];
y = binornd(N,P,m)
hist(y,N)
grid on 

Результат:
рис.3 
 
 
 
 

    С использованием этих программ провести тестовые расчеты для разных значений N (общего количества элементов в выборке, объема выборки) в  диапазоне от  50 до 1000 и построить  графики изменения  погрешности аппроксимации (используйте  любой известный  Вам критерий) идеальных  функции плотности  вероятностей и функции  распределения их выборочными аналогами  в зависимости  от N.
 
 
    А) для функции распределения 

Программа:
 
  n=1000;
 k=50:1:n;
a=binocdf(k,n,p);
 plot(k,a,'d')
 grid on 

Результат: 

    рис.4 
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     

    Б) для плотности  вероятности 

Программа: 

 n=1000;
 k=50:1:n;
 P=binopdf(k,n,p);
 plot(k,P,'d')
 grid on 

Результат: 

    рис. 5 
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     
     

    Задание 2:
 
    Написать программу, моделирующую плоское движение идеального маятника (можно воспользоваться  программой comet, см. описание в Приложении Б ниже).
 
 
    Comet – это движение точки по траектории. 

     
     

Программа: 

function [ output_args ] = lab0( input_args )
 
 
x=[-0.5,-0.5,0.5,0.5]
y=[0,1,1,0]
 
plot(x,y,'ow')
hold on
 
t=-10*pi:pi/250:10*pi;
r=3;
m=1;
x = sin(m/r*sin(t))
y = 1-cos(m/r*sin(t))+0.2
      
mycomet(x,y);
 
end 
 
 
 
 
 
 
 
 
 

Результат:
 

  рис.6 

    Промоделировать движение спутника вокруг планеты (воспользоваться  программой comet3 для моделирования движений точек в трехмерных пространствах).
 
    comet3 – это движение точки по траектории в трехмерном пространстве.
     

Программа:
     
 R2 = 0.7;
for k2=1:1:100;
  
    x2(k2) = R2 * cos(2*pi/100*k2);
    y2(k2) = R2 * sin(2*pi/100*k2);
   
end
 
plot(x2,y2,'g.')
 
 hold on
t2 = 1:0.01:100;
h2 = 1;
 x2 = cos(t2) * h2;
y2= sin(t2) * h2;
 comet3(x2,y2,t2) 
 
 

Результат: 
 

рис. 7 
 
 

    Сгенерировать и изобразить множество  точек, распределенных в соответствии с  равномерным законом  распределения в  прямоугольнике.
 
 
Программа: 

a=2;
b=4;
plot([0 0 6 6 0],[0 5 5 0 0] ,'r');
hold on
x = (a + (b-a))*rand(5, (a + (b-a)));
plot(x,'+')
axis([-1 7 -1 6]); 
 

Результат:
    рис. 8
    Сгенерировать точки-вершины плоского многоугольника и вычислить его площадь с помощью функции polyarea.
    Построить многоугольник (см. пп. 4), сгенерировать координаты N точек и с помощью функции inpolygon определить, какие из них лежат внутри этого многоугольника.  
     

     В системе MATLAB определены функции, вычисляющие  площадь полигона и анализирующие  нахождение точек внутри полигона. Для вычисления площади полигона используется функция polyarea:
     polyarea(X.Y) — возвращает площадь полигона, заданного вершинами, находящимися в векторах X и Y. Если X и Y — матрицы одного размера, то polyarea возвращает площадь полигонов, определенных столбцами X и Y;
     polyarea(X.Y.dim) — возвращает площадь полигона, заданного столбцами или строками X и Y в зависимости от значения переменной dim. 

     Функция Inpolygon используется для анализа того, попадают ли заданные точки внутрь полигона:
     IN=inpolygon(X,Y.xv.yv) — возвращает матрицу IN того же размера, что X и Y. Каждый элемент матрицы IN принимает одно из значений — 1, 0.5 или 0 — в зависимости от того, находится ли точка с координатами (X(p,q),Y(p,q)) внутри полигона, вершины которого определяются векторами xv и yv:
     IN(p,q) = 1 — если то.чка (X(p.q) ,Y(p,q)) лежит внутри полигона;
     IN(p,q) = 0.5 — если точка (X(p,q) ,Y(p,q)) лежит на границе полигона;
     IN(p.q) = 0 — если точка (X(p.q),Y(p,q)) лежит вне полигона. 
 
 
 
 
 
 
 
 
 

Программа: 

x=[0 0 2 2 0]; y=[0 2 2 0 0];
plot(x,y,'r')
a=polyarea(x,y)
axis([-1 3 -1 3]) 
 
 

Результат:
а= 4 рис.9 
 
 

Программа: 

L = linspace(0,2.*pi,6); xv = cos(L)';yv = sin(L)';
xv = [xv ; xv(1)]; yv = [yv ; yv(1)];
x = randn(250,1); y = randn(250,1);
in = inpolygon(x,y,xv,yv);
plot(xv,yv,x(in),y(in),'r+',x(~in),y(~in),'bo') 

Результат:
a = 8.6086
 рис. 10 

    Задание 3:
 
    Сгенерировать элементы выборки, подчиненные закону распределения (см. таблицу 1) и оценить параметры функции плотности вероятностей (или аппроксимирующей функции плотности) любым из методов (например, методом максимального правдоподобия). 
 
 
 
 

Программа: 

x=10;
y=100;
alfa=0.01;
N=9;
P=0.5;
y1=binornd(N,P,[1 100])
[phat,pci] = mle('binomial',x,alfa,y) 

Результат: 
 

y1 = 7     6     4     6     4     4     6     5     3     6     4
     5     4     6     5     8     7     5     7     7     5     8
и т.д.................


Перейти к полному тексту работы


Скачать работу с онлайн повышением уникальности до 90% по antiplagiat.ru, etxt.ru или advego.ru


Смотреть полный текст работы бесплатно


Смотреть похожие работы


* Примечание. Уникальность работы указана на дату публикации, текущее значение может отличаться от указанного.