DavyHwang的专栏

由于我最近一篇paper中遇到一个问题：部分样本空间 是否 可以预测 其总体样本的性质？  于是我用matlab写了个小程序来验证它。 主验证程序的总体思想是：1 随机产生大量的服从指数分布的随机数；2 随机挑选出部分点的值，分别计算它们的理论平均值与真实平均值；3 得到实验结果，画图，比较分析。    计算大量数据的平均值时，可以用期望等于其样本空间上对(

最近在解决一个符合指数分布的样本处理的问题时，做了一个假设，然后需要做一个小实验确认基于假设而简单推导出的理论的正确性。 首先是假设：给定一个总个数为 N 的样本集，样本集中元素符合指数分布，即在样本集 S 里的每一个元素 X 的值都符合参数为 lambda 的指数分布 X~Exp(lambda). 那么，如果我另给定一个长度 n ，来对所有的样本元素截取，即挑出那些 X 小于或等于 n 的所有元素。 问题是：1）这样的元素有多少个？ 2）这些所有被截取的元素的和是多少？

实验中需要用 exprnd 函数生成大量符合指数分布的随机数样本。但是，exprnd 里边有个参数 Mu，本文验证它到底是指数分布的期望，还是期望的倒数。

用 matlab 画图时，发现一部分范围内，线之间贴得太近。于是想在一个图中画另外一个小图，实现局部放大的功能。 在网上众多偏方中，经过辛苦遴选与试验，发现以下的方法最为简单有效。 废话不多说，1）效果；2）一个完整的画图脚本代码 与 画图数据文件内容。

用 matlab 画图时，发现线太多，生成的图例，遮盖了曲线。于是想画成多个图例，然后可以自由拖动。     废话不多说，2）代码（设置多个图例的部分在最后20行）； 1）效果。

这篇 blog 将展示用 matlab 计算并画出大量数据的 CDF （累计分布函数）的两种方法。第一种是我自己2年前写的，后来用的过程中发现有缺陷；然后搜寻到第二种简易又高效的方法。这里我并各自给出用例，包括画图用的数据与脚本，以及效果图。For your reference.