matlab上机实验报告
1、对下列问题，请分别用专用函数和通用函数实现。
(1）X服从[3,10]上均匀分布，计算P{X≤4}，P{X>8}；已知P{X>a}=0.4,求a。代码：
F4=unifcdf(4,3,10)F8=1-unifcdf(8,3,10)a=unifinv(1-0.4,3,10)结果：F4=0.1429F8=0.2857a=7.201*
(2）X服从正态分布N(2,9)，计算P{|X|≤1}，P{|X|>5}；已知P{Xp2=chi2pdf(x,2);plot(x,p2);title("分布函数图")holdon
p3=chi2pdf(x,3);plot(x,p3);title("分布函数图")holdon
p4=chi2pdf(x,4);plot(x,p4);title("分布函数图")holdon
p5=chi2pdf(x,5);plot(x,p5);title("分布函数图")结果：
3、设样本数据为110.1，25.2，39.8，65.4，50.0，98.1，48.3，32.2，60.4，40.3，求该样本的均值、方差、标准差、中位数、几何均值、最大值、最小值、极差并绘出数据的直方图及圆饼图。代码：
x=[110.125.239.865.450.098.148.332.260.440.3];av=mean(x)结果：
av=56.9800代码：D=var(x)结果：D=768.5151代码：d=std(x)结果：d=27.7221代码：z=median(x)结果：z=49.1500代码：M=geomean(x)结果：M=51.6111代码：max(x)
结果：ans=110.1000代码：min(x)
结果：ans=25.201*代码：Y=range(x)结果：Y=84.9000代码：bar(x)结果：
代码：pie(x)结果：
4、下表一列出某高校自动化专业研究生招生规模及生源情况
表一201*201*年生源分布情况统计表年201*201*201*201*级人数比率人数比率人数比率人数比率来自学校某高校2533%1319%3145%2335%55所重点院68%68%57%46%校其它院校4559%5173%3348%3959%合计76706966请用常用的MATLAB统计作图函数，分析表一中的数据，能否得出近四年招生规模缩小,总体生源质量下降的结论？代码：
t=201*:1:201*;x1=[25,13,31,23];x2=[6,6,5,4];x3=[45,51,33,39];x=x1+x2+x3;X=[x2;x1;x3;x]";
y1=[0.330.19,0.450.35];y2=[0.08,0.08,0.07,0.06];y3=[0.59,0.73,0.48,0.59];Y=[y2;y1;y3]";subplot(1,2,1)bar3(t,X)subplot(1,2,2)bar3(t,Y)结果：
6、有两组（每组100个元素）正态随机数据，其均值为10，均方差为2，求95%的置信区间和参数估计值。代码：
R=normrnd(10,2,1,100)；[a,b,c,d]=normfit(R,0.05)结果：a=10.1824b=1.8533c=9.814710.5501d=1.62722.1529
7、分别使用金球和铂球测定引力常数。
（1）用金球测定观察值为：6.6836.6816.6766.6786.6796.672；（2）用铂球测定观察值为：6.6616.6616.6676.6676.664。
2，μ和σ为未知。对⑴、⑵两种情况分别求μ和σ的置信度设测定值总体为N，为0.9的置信区间。
（1）代码：
a=[6.6836.6816.6766.6786.6796.672];b=[6.6616.6616.6676.6676.664];[qwer]=normfit(a,0.1)结果：
q=6.67816666666667w=0.00386867763799e=6.674984137487136.68134919584620r=0.002599943871790.00808266362696（2）代码：
[qwer]=normfit(b,0.1)结果：
q=6.66400000000000w=0.00300000000000e=6.661139827400896.66686017259910r=0.001947915502160.00711706707423
扩展阅读：matlab上机实验报告
上海电力学院
数值计算方法上机实习
院系：专业年级：学生姓名：学号：指导教师：报告
能源与机械工程学院动力机械及工程201*级张亚杰ys1210124014黄建雄
201*年12月26日1
数值计算方法上机实习题
xndx，1．设In05x1（1）由递推公式In5In1解：I0=
I=0.1823forn=1:1:20,I=-5*I+1/n;1，从I0的几个近似值出发，计算I20；n105xdx=0.1823
1计算I20编辑matlab命令如下：fprintf("%.1d%.4f\\n",n,I);end结果：
（2）粗糙估计I20，用In111In，计算I0；55nx20d解：I20=05xx1使用复合中点公式进行积分，相应的matlab程序如下：
I=0;forh=0:0.001:1,m=h+0.0005;I=I+0.001*m^20/(5+m);fprintf("%.1d%.4f\\n",m,I);enddisp(I);fork=1:20,n=21-k;I=0.2*(1/n-I);fprintf("%.1d%.4f\\n",n,I);enddisp(I)结果：
程序结束时输出两个I值，第一个表示I20，第二个表示I0；分别为I20=0.0082I0=0.1823
（3）分析结果的可靠性及产生此现象的原因(重点分析原因)。
从上述计算中分析得到如果先得到I0，再从I0由递推公式得到I20，I20结果跟精确值相比误差很大；如果先估算I20，在从I20有递推公式得到I0，I0的结果跟精确值相比近似相等。
原因分析：
如果从I0推I20的近似值，需要用到递推公式In=-5In-1+1/n，I0本身结果是有误差的；经过递推公式计算20次，就等于误差被认为的放大5的20次方倍，所以得到的I20与其精确值相差甚远。
如果从I20推I0的近似值，需要用到In-1=0.2（1/n-In），尽管I20本身有误差，但是经过20次运算，其误差缩小到原来的0.2的20次方倍，所以得到的I0与其精确值比较相近。
2．求方程e10x20的近似根，要求xk1xk5104，并比较计算量。
x（1）在[0，1]上用二分法；
Matlab程序如下：a=0;b=1;c=b-a;n=0whilec>0.0005,x=(a+b)/2;f=exp(x)+10*x-2;iff>0,b=x;c=b-a;elseiff（2）取初值x00，并用迭代xk12ex；
10采用matlab进行迭代的程序如下：
x=0;c=1;n=0;whilec>0.0005,m=x;m=(2-exp(m))/10;c=abs(m-x);x=m;n=n+1;fprintf("%.1d%.4f%.4f\\n",n,x,c);end结果：
解得x=0.0905
（3）加速迭代的结果；
采用matlab进行迭代的程序如下：x=0;n=0;a=0;b=1;whileabs(a-b)>0.0005,n=n+1;a=x;y=(2-exp(x))/10;z=(2-exp(y))/10;x=x-(y-x)^2/(z-2*y+x);b=x;fprintf("%.1d%.4f%.4f\\n",n,x,abs(a-b));end结果如下：
（4）取初值x00，并用牛顿迭代法；Matlab程序如下：
x=0;a=1;n=0;whileabs(a)>0.0005,n=n+1;a=(exp(x)+10*x-2)/(exp(x)+10);x=x-a;fprintf("%.1d%.4f%.4f\\n",n,x,abs(a));end运行结果：
（5）分析绝对误差。迭代次数1234567891011二分法X（k）0.50000.25000.12500.06250.09380.07810.08590.08980.09180.09080.0903Erroe0.50000.25000.12500.06250.03130.01560.00780.00390.00200.00100.0005代数式迭代X（k）0.10000.08950.09060.0905Erroe0.10000.01050.00120.0001加速迭代X（k）0.09050.0905Erroe0.0905牛顿迭代X（k）0.0909Erroe0.09090.00040．00000.0905我们可以看到，在运算要求到同一精度的情况下，采用（1）的二分法运算了11次，采用（2）的方法运算了4次，采用（3）的加速迭代法运算了2次，采用（4）的牛顿迭代法也需运算2次。也就是说牛顿的迭代的收敛速度与加速迭代速度都是超线性收敛的，而简单迭代法是线性收敛的。而二分法收敛速度较慢,所以在工程上不经常使用。3．钢水包使用次数多以后，钢包的容积增大，数据如下：xy10234569.7147101581112131610.4910.5910.6010.810.610.910.76试从中找出使用次数和容积之间的关系，计算均方差。（注：增速减少，用何种模型）解：将使用次数x与体积y的关系用matlab采用如下程序绘制在二维坐标系:x=[2345678910111213141516];y=[6.428.29.589.59.7109.939.9910.4910.5910.6010.810.610.910.76];plot(x,y,"b*-");96.428.29.589.59.939.99结果如下：
由数据点分布图可知，拟合曲线y=f(x)随着x的增加而上升，但上升速度由快到慢，当x趋于无穷大时，y趋于某个常数，故曲线有一水平渐进线。根据上述特征很容易想到用
b/x
Logistic模型来拟合该曲线。设y=f(x)的形式为y=ae（a>0,b
计算均方差s，matlab程序如下：y=[6.428.29.589.59.7109.939.9910.4910.5910.6010.810.610.910.76];s=0;forn=2:1:16,a=abs(11.679*exp(-1.1107*n.^(-1))-y(n-1));s=s+a.^2;ends=(s/15).^(1/2);disp(s);运算结果均方差S=0.2438
小结：根据已给的条件计算函数是十分困难的，但通过对离散点的分析及变化规律找出其中的规律，并通过计算来得到实际的函数是十分有用的方法。本题就是这样做的一个典型，在n=1/x和m=lny的基础上找到了它们之间的关系并通过这种关系来拟合原函数，并最终验证计算结果。
041010014101050141012，b，Axb4．设A101410501014120601014分析下列迭代法的收敛性，并求xk1xk（1）JACOBI迭代；解matlab计算程序如下：A=[4-10-100;-14-10-10;0-14-10-1;-10-14-10;0-10-14-1;00-10-14];b=[0;5;-2;5;-2;6];error=1;D=diag(diag(A));L=D-tril(A);U=D-triu(A);X=zeros(size(b));whileerror>0.0001,
82104的近似解及相应的迭代次数。X=D\\(b+L*X+U*X);error=norm(b-A*X)/norm(b);enddisp(x);disp(error);解得X=[0.9999;1.9999;0.9998;1.9999;0.9998;1.9999]error=7.0206e-05
（2）GAUSS-SEIDEL迭代；
A=[4-10-100;-14-10-10;0-14-10-1;-10-14-10;0-10-14-1;00-10-14];b=[0;5;-2;5;-2;6];error=1;D=diag(diag(A));L=D-tril(A);U=D-triu(A);X=zeros(size(b));whileerror>0.0001,X=(D-L)\\(b+U*X);error=norm(b-A*X)/norm(b);enddisp(x);disp(error);解得X=[0.9998;1.9998;0.9998;1.9999;0.9999;1.9999]error=5.5892e-05（3）SOR迭代（1.334,1.95,0.95）。
N=1.334使用matlab求解程序如下：A=[4-10-100;-14-10-10;0-14-10-1;-10-14-10;0-10-14-1;00-10-14];b=[0;5;-2;5;-2;6];error=1;D=diag(diag(A));L=D-tril(A);U=D-triu(A);X=zeros(size(b));whileerror>0.0001,n=1.334;X=(D-n*L)\\[(1-n)*D+n*U]*X+n*[(D-n*L)\\b];error=norm(b-A*X)/norm(b);disp(X);enddisp(error);此循环得到的X=[0.9999;2.0000;1.0000;1.9999;1.0000;2.0000]error=6.3632e-05
N=1.95使用matlab求解程序如下：A=[4-10-100;-14-10-10;0-14-10-1;-10-14-10;0-10-14-1;00-10-14];b=[0;5;-2;5;-2;6];error=1;D=diag(diag(A));L=D-tril(A);U=D-triu(A);X=zeros(size(b));whileerror>0.0001,n=1.95;X=(D-n*L)\\[(1-n)*D+n*U]*X+n*[(D-n*L)\\b];error=norm(b-A*X)/norm(b);disp(X);enddisp(error);此循环得到的X=[0.9999;2.0001;0.9999;1.9999;1.0001;1.9999]error=9.0363e-05N=0.95使用matlab求解程序如下：A=[4-10-100;-14-10-10;0-14-10-1;-10-14-10;0-10-14-1;00-10-14];b=[0;5;-2;5;-2;6];error=1;D=diag(diag(A));L=D-tril(A);U=D-triu(A);X=zeros(size(b));whileerror>0.0001,n=0.95;X=(D-n*L)\\[(1-n)*D+n*U]*X+n*[(D-n*L)\\b];error=norm(b-A*X)/norm(b);disp(X);enddisp(error);此循环得到的X=[0.9997;1.9997;0.9997;1.9998;0.9998;1.9999]error=8.6235e-05
6313A3215．用逆幂迭代法求最接近于11的特征值和特征向量，准确到10。
111解：matlab程序如下：a=[631;321;111];I=[100;010;001];b0=a-11*I;v0=[1;1;1];m=max(abs(v0));flab=1;whileflab>0.001,u=v0/m;v0=b0\\u;[tv,ti]=max(abs(v0));n=v0(ti);flab=abs(n-m);m=n;endm=1/m+11;disp(m);运行结果如下：
即离11最近的特征值为7.8745；相应的特征向量u=[1.0000;0.5503;0.2271]。6．用经典R-K方法求解初值问题（1）2y1y22sinxy1，x[0,10]，
y2y12y22cosx2sinxy1(0)2；y2(0)3解:采用经典R-K公式计算的MATLAB程序如下：
y1=2;y2=3;forh=0:0.01:10,k1=0.01*(-2*y1+y2+2*sin(h));l1=0.01*(y1-2*y2+2*cos(h)-2*sin(h));k2=0.01*(-2*(y1+0.5*k1)+(y2+0.5*l1)+2*sin(h+0.005));l2=0.01*((y1+0.5*k1)-2*(y2+0.5*l1)+2*cos(h+0.005)-2*sin(h+0.005));k3=0.01*(-2*(y1+0.5*k2)+(y2+0.5*l2)+2*sin(h+0.005));l3=0.01*((y1+0.5*k2)-2*(y2+0.5*l2)+2*cos(h+0.005)-2*sin(h+0.005));k4=0.01*(-2*(y1+k3)+(y2+l3)+2*sin(h+0.01));l4=0.01*((y1+k3)-2*(y2+l3)+2*cos(h+0.01)-2*sin(h+0.01));y1=y1+1/6*(k1+2*k2+2*k3+k4);y2=y2+1/6*(l1+2*l2+2*l3+l4);ifh==fix(h);fprintf("%.1d%.4f%.4f\\n",h,y1,y2);elseendend结果如下所示：
2y1y22sinxy1（2），x[0,10]，
y998y999y999cosx999sinx122y1(x)2exsinx和精确解比较，分析结论。xy2(x)2ecosxMatlab程序如下：y1=2;y2=3;forh=0:0.00001:10,k1=0.00001*(-2*y1+y2+2*sin(h));l1=0.00001*(998*y1-999*y2+999*cos(h)-999*sin(h));y1(0)2。y(0)32k2=0.00001*(-2*(y1+0.5*k1)+(y2+0.5*l1)+2*sin(h+0.000005));l2=0.00001*(998*(y1+0.5*k1)-999*(y2+0.5*l1)+999*cos(h+0.000005)-999*sin(h+0.000005));k3=0.00001*(-2*(y1+0.5*k2)+(y2+0.5*l2)+2*sin(h+0.005));l3=0.00001*(998*(y1+0.5*k2)-999*(y2+0.5*l2)+999*cos(h+0.000005)-999*sin(h+0.000005));k4=0.00001*(-2*(y1+k3)+(y2+l3)+2*sin(h+0.00001));l4=0.00001*(998*(y1+k3)-999*(y2+l3)+999*cos(h+0.00001)-999*sin(h+0.00001));y1=y1+1/6*(k1+2*k2+2*k3+k4);y2=y2+1/6*(l1+2*l2+2*l3+l4);ifh==fix(h),fprintf("%.1d%.4f%.4f\\n",h,y1,y2);elseendend结果如下：
精确解：
forx=0:1:10,y1=2*exp(-x)+sin(x);y2=2*exp(-x)+cos(x);fprintf("%.1d%.4f%.4f\\n",x,y1,y2);end结果;
结果分析：
四阶RungeKutta方法得到的结果已很接近精确解，证明这种迭代方法精确度很好，是一种有效的算法。但是要注意龙格-库塔公式的推导基于泰勒展开方法，因而它要求所求的的解具有较好的光滑性质。反之，如果解得光滑性差，那么，使用四阶龙格-库塔求得的数值解精度就不是太高，此种情况可以采用缩小步长来解决，比如上述计算。7．用有限差分法求解边值问题（h=0.1）：
y(1x2)y0.y(1)y(1)1y(1x2)y0微分方程式可以变为用有限差分法matlab程序如下：
y(1)y(1)1h=0.1;n=2/0.1-1;g(1)=1/(h.^2);g(n)=1/(h^2);fori=2:1:18,
g(i)=0;endg=[g(1);g(2);g(3);g(4);g(5);g(6);g(7);g(8);g(9);g(10);g(11);g(12);g(13);g(14);g(15);g(16);g(17);g(18);g(19)];disp(g);fori=1:1:19,forj=1:1:19,ifi==1,H(1,1)=2/(h.^2)+(1+(-1+0.1*i).^2);H(1,2)=-1/(h.^2);elseifi==19,H(19,18)=-1/(h.^2);H(19,19)=2/(h.^2)+(1+(-1+0.1*i).^2);elseifj==i,H(i,j)=2/(h.^2)+(1+(-1+0.1*i).^2);elseifj==i-1,H(i,i-1)=-1/(h.^2);elseifj==i+1;H(i,i+1)=-1/(h.^2);elseH(i,j)=0;endendendenddisp(H);y=H\\g;fori=1:1:19,fprintf("%.4f%.4f\\n",-1+0.1*i,y(i,1))end
运算结果为：
g10000000000000000000100
H矩阵为：
Y在各点的近似值为：
XY8.用函数y=asin(bx)拟合数据.
x0.10.20.30.40.50.60.70.8y0.61.11.61.82.01.91.71.3Matlab上机程序为：function[err,a,b]=nlfitb(x,y)ifnarginbeta0=[11]";beta=nlinfit(x,y,@mymodel,beta0);fprintf("Thenonlinearleastsquarefittingy=a*sin(b*x)fordata\\n\\n");fprintf("%6.1f",x);fprintf("%6.1f",y);fprintf("\\n\\nis\\n\\nty=%7.4f*sin(%7.4f*x)\\n\\n",beta);z=linspace(x(1),x(end),100);plot(x,y,"ro",z,beta(1)*sin(beta(2)*z),"b-.");functionyb=mymodel(beta,xb)yb=beta(1)*sin(beta(2)*xb);计算结果：
9．拟合形如f（x）≈（a+bx）/(1+cx)的函数的一种快速方法是将最小二乘法用于下列问题：f（x）(1+cx)≈（a+bx），试用这一方法拟合表4-4给出的中国人口数据。表4-4次序年份人口（亿）a)b)c)d)e)19535.8219646.95198210.08199011.34201*12.66解：把f（x）(1+cx)≈（a+bx）变成f（x）≈a+bx-cxf（x）则近似看成基函数是1，x，-x*f（x）而数据是（xi，f（xi））的最小二乘拟合问题，程序如下：
function[a,b,c]=ex41x=[1953196419821990201*]";y=[5.826.9510.0811.3412.66]";A=[ones(5,1)x-x.*y];Z=A\\y;a=Z(1)b=Z(2)c=Z(3)z=linspace(1953,201*,100);plot(x,y,"ro",z,(a+b*z)./(1+c*z),"b-.");结果：
所以fx
2.94560.0014x。
10.0004956x10.已知20世纪美国人口的统计数字如表5-12(单位：百万)：
表5-12美国人口统计数据年份1900191019201930194019501960197019801990人口76.092.0106.5123.2131.7150.7179.3204.0226.5251.4试分别用两点公式和三点公式计算美国人口20世纪的年增长率。
1采用两点公式，设t(i)表示年份，y(i)表示该年份的美国人口；两点公式为：解;○
l(i)两点公式matlab编程;
t=[1900:10:1990];y(i1)y(i)
t(i1)t(i)y=[76.092.0106.5123.2131.7150.7179.3204.0226.5251.4];fori=1:10,ifi2采用三点公式，设t(i)表示年份，y(i)表示该年份的美国人口；三点公式为：○
l(i)三点公式matlab程序如下：t=[1900:10:1990];3y(i)4y(i1)y(i2)
t(i2)t(i)y=[76.092.0106.5123.2131.7150.7179.3204.0226.5251.4];fori=1:10,ifi
友情提示：本文中关于《matlab上机实验报告》给出的范例仅供您参考拓展思维使用，matlab上机实验报告：该篇文章建议您自主创作。
来源：网络整理 免责声明：本文仅限学习分享，如产生版权问题，请联系我们及时删除。
《matlab上机实验报告》
由互联网用户整理提供,转载分享请保留原作者信息,谢谢!
http://m.bsmz.net/gongwen/712909.html
- 上一篇：统计学 实习报告
- 下一篇：MATLAB上机实验报告