这个例子说明如何得到精确的值,二项式系数,发现使用符号数学工具箱中掷硬币实验概率。
定义符号功能,P(N,K)
,即计算概率的头拿出准确ķ
超时的ñ
扔。
SYMSP(N,K)P(N,K)= nchoosek(N,K)/ 2 ^ n的
P(N,K)=
假设,你掷硬币2000次。该负责人在谈到一半的投掷的向上的概率是P(N,N / 2)
,其中N = 2000
。其结果是一个理性表达的分子和分母大量涌现。符号数学工具箱返回确切的结果。
N = 2000;中央= P(N,N / 2)
中央=
使用近似这与10位精度有理数数字
和VPA
。
previous_digits =位(10);VPA(中央)
ANS =
计算的概率从预期值“正面”相差不超过两个标准偏差的数量。
西格玛= SQRT(N / 4);withinTwoSigma = symsum(P(N,K),K,小区(N / 2 - 2 *西格玛),地板(N / 2 + 2 *西格玛))
withinTwoSigma =
近似与浮点数的结果。
VPA(withinTwoSigma)
ANS =
该结果与正常分布的从累积分布函数(CDF)导出的下面的两个估计进行比较。事实证明,以第一整数外面以及两个积分间隔内的第一个整数之间的中点给出比使用两个积分区间本身更精确的结果。
SYMSCDF(x)的CDF(x)= 1/2 *(1 + ERF((X - N / 2)/ SQRT(符号(N / 2))))
CDF(x)=
estimate1 = VPA(CDF(N / 2 + 2 *西格玛) - CDF(N / 2 - 2 *西格玛))
estimate1 =
estimate2 = VPA(CDF(地板(N / 2 + 2 *西格玛)+ 1/2) -...CDF(小区(N / 2 - 2 *西格玛) - 1/2))
estimate2 =
ERROR1 = VPA(estimate1 - withinTwoSigma)
ERROR1 =
误差2 = VPA(estimate2 - withinTwoSigma)
误差2 =
还原浮点计算的默认精度。
数字(previous_digits);
地块内的这种分布对于k -间隔。情节是高斯曲线。
K = N / 2 +(-2 *西格玛:2 *西格玛);积(K,P(N,K),' - +');标题(“2000掷硬币”);xlabel(“头数”);ylabel('可能性');