Page 19 - 数学建模算法与应用

第一章 数学建模基础知识

7013 7104 719 727 735 740 744 745 750 7076 777
7086 7806 791 7904 821 822 826 834 837 8051 862
8703 879 889 9000 904 922 926 952 963 1056 10074

解 根据题意，进行峰度 - 偏度检验，编写 MATLAB 代码如下：
clear all
clc
x1 = [5200 5056 561 6016 635 669 686 692 704 7007 711]；

x2 = [7013 7104 719 727 735 740 744 745 750 7076 777]；
x3 = [7086 7806 791 7904 821 822 826 834 837 8051 862]；
x4 = [8703 879 889 9000 904 922 926 952 963 1056 10074]；

x = [x1 x2 x3 x4]；
[H， P， JBSTAT， CV] = jbtest(x)
运行后，得到结果如下：
H =
1
P =

0.021806188315314
JBSTAT =
8.022626680925750

CV =
4.846568648885889
由于 H =1 时， P<0.05，因此有充分理由认为上述数据不是处于正态分布的。
（二）随机数

随机数源自特定的随机试验，它们在统计学中有着广泛的用途，比如选取代
表性的样本、分配实验对象到不同组别以及执行蒙特卡洛模拟计算等。生成随机
数的技术多样，这些技术统称为随机数生成器。随机数的一个核心特点是，序列

中的每一个数值都与其它数值相互独立，不存在关联性。接下来，本文将介绍几
种常见的随机数生成方法。
1. 二项分布随机数
在概率论和统计学中，二项式分布描述了一组 n 个独立重复实验中成功尝试

9