1 产生随机变量

二项分布随机数 binornd(N,P,m,n,...)
正态分布随机数 normrnd(mu,sigma,m,n,...)
均匀分布unifrnd/unidrnd
泊松分布poissrnd
指数分布exprnd
卡方分布chi2rnd
T分布trnd
F分布frnd
γ分布gamrnd
β分布betarnd

2 概率密度与概率分布的计算

2.1 概率密度

专用函数：pdf:Probability Density Functions

计算通用函数概率密度值

Y = pdf(name,X,A)
Y = pdf(name,X,A,B)
Y = pdf(name,X,A,B,C)

计算专用函数概率密度值

unipdf 、exppdf 、normpdf 、chi2pdf 、tpdf 、gampdf 、betapdf

2.2 累计概率

专用函数：cdf:Cumulative Distribution Functions

计算通用函数累计概率值

Y = cdf(name,X,A)
Y = cdf(name,X,A,B)
Y = cdf(name,X,A,B,C)
Y = cdf(__,upper)

计算专用函数累计概率值

cdf 、expcdf 、normcdf 、chi2cdf 、tcdf 、fcdf 、gamcdf

3 常用统计特征计算

均值、中值计算

平均值：mean
几何均值：geomean
调和均值：harmmean
中值：median

数据比较

sort(A) 升序排列
sortrows(A) 以第一列为基准升序排列
range(A) 最大最小值之差

方差、标准差

方差：var(A)
标准差：std(A)

协方差、相关系数

协方差：cov(x,y)
相关系数：corrcoef(x,y)

最后

以上就是结实向日葵最近收集整理的关于机器学习（MACHINE LEARNING）MATLAB进行概率统计分析1 产生随机变量2 概率密度与概率分布的计算3 常用统计特征计算的全部内容，更多相关机器学习（MACHINE内容请搜索靠谱客的其他文章。