23446

% Wstepne sprzątanie wirtualnego biurka: dc; elear; dose all;

N= 1000. % liczba losowanych wartości. T=3; %zakres=T;

x=rand(N. 1);

y=-sqrt(-(x-l)*T^A2)*T; % wynik wyznaczania funkcji odwTotnej do dystrybuanty zadanego rozkładu.

Oł.b]=hist(y,30j;

figure(l);

barfbJi.Y); grid on;

% KONIEC PLIKU

% tn-plik demonstracyjny: demo_dojematu_cenirabiejwierdzeiue_graniczne.ni %

% Teduiiki obliczeniowe, dr ini. P.Korohoda. rok akademicki 2010/2011

% Wstepne sprzątanie "wimiabiego biurka”: dc; elear, dose all;

N=1000; % liczba wartości każdej zmiennej losowej;

K=30; % liczba zmiennych losowych

X=rand(K.N);

Y=sqrt(5*rand(K. l)*cnes(l.N).*X)nand(K.l)*ones( l.N)*10; % teraz każdy wiersz dotyczy innej zmiennej losowej o rozkładzie trójkątnym;

Kl=randperm(K). % Wybieramy losowo piec zmiennych losowych;

Nb=20; % liczba słupków Itistogramu; figiue(l). %tesujemy wizualnie piec wybranych rozkładów; for k= 1:5.

(h.b]=hist(Y(Kl(k).:).Nb);

subplot(5. l.k). bar(b.h); grid on; axis<[b( l).b(end).O.max(h)J). end;

y=siun(Y).

mu_Gauss=mean(y). s_gauss=std(y).

yjnu^eaufY"); v_s=std( Y'); % parametry rozkładów dla poszczególnych zmiennych losowydi; mu_l=sum(v_mu). s_l=sqrt(mean(v_s.^A2)*K).

[h_l,b_l]=hisł(y.Nb);

db=b_l(2)*b_l(l); skala =sum(h_l )*db; t=b_l(l):db/10:b_l(end);

p=l/(s_l*sqrt(2*pi)) • exp( *(t-mu_l).^A2/(2*s_l^A2)); figur e( 2).

barfb_l.h_l.1i'); grid on; hołd on; plot (t, p* skala, Y. linewidth', 2); titIe('Porowiianie histogramu i rozkładu Gaussa');

% KONIEC PLIKU

% m-plik demonstracyjny: demo_regresji_liniowej_typowej.m %

% Optymalizacja bledu Uczonego tylko w kierunku pionowym:

%

% Tecluiiki obliczeniowe, dr inż. P.Korohoda. rok akademicki 2010/2011

% Wstepne sprzątanie wirtuabiego biurka: dc; elear, dose alL

N=10; % liczba próbek