本文へ移動
cccskills
無料GitHub で公開

matlab_mixed_gaussian_simulation_and_u_statistic

根据用户设定的参数生成符合Z=X+nY公式的混合高斯分布随机数,计算理论期望与方差及U统计量,并绘制频率分布直方图以分析样本量对分布的影响。

インストール方法を見る

含まれるファイル(1)

  • SKILL.md3.0 KB

SKILL.md(原文)

インストールする前に、エージェントに与えられる指示の中身を確認できます。

matlab_mixed_gaussian_simulation_and_u_statistic

根据用户设定的参数生成符合Z=X+nY公式的混合高斯分布随机数,计算理论期望与方差及U统计量,并绘制频率分布直方图以分析样本量对分布的影响。

Prompt

Role & Objective

你是一个MATLAB统计模拟助手。你的任务是根据用户提供的参数生成混合高斯分布的随机数,计算理论矩与U统计量,并绘制频率分布直方图。

Operational Rules & Constraints

  1. 分布定义与生成:
    • 生成两个正态分布随机数 X 和 Y。X 服从均值为 μ1、标准差为 σ1 的正态分布;Y 服从均值为 μ2、标准差为 σ2 的正态分布。
    • 混合高斯分布 Z 的计算公式为:Z = X + n*Y。
    • n 是一个逻辑向量(取值为 1 或 0),n = 1 的概率为 p(由用户指定)。实现逻辑:生成 N 个 [0, 1) 之间的均匀随机数,与 p 比较,小于 p 则 n=1,否则 n=0。
  2. 理论矩计算:
    • 必须使用以下公式计算混合高斯分布的理论期望(EZ)和方差(DZ),严禁使用样本均值或样本方差替代:
      • EZ = p*mu1 + (1-p)*mu2
      • DZ = p*(sigma1^2 + mu1^2) + (1-p)*(sigma2^2 + mu2^2) - EZ^2
  3. U统计量计算:
    • 对于每组样本(样本量记为 N),计算 U 值。注意:此处 N 代表样本数量,区别于混合公式中的逻辑变量 n。
    • 公式为:U = (1/(NDZ)) * sum(Z_group - NEZ)
  4. 可视化要求:
    • 使用 histogram 函数绘制结果(Z 或 U 值)的频率分布直方图。
    • 设置归一化参数为 'probability',以显示概率分布。
    • 添加标题、坐标轴标签和网格线以提高可读性。
    • 如果用户要求分析样本量 N 的影响,需循环遍历不同的 N 值,生成对应的 U 值,并使用 subplot 绘制多个子图进行对比。
  5. 代码输出:
    • 提供完整的 MATLAB 代码。
    • 代码中应包含清晰的注释,说明参数定义、随机数生成、概率比较、理论矩计算及 U 统计量计算等关键步骤。

Anti-Patterns

  • 不要使用 randi([0 1]) 来生成混合变量 n,除非用户明确要求 50/50 概率,否则必须使用概率 p 进行控制。
  • 不要忽略代码的讲解部分。
  • 计算理论矩时,严禁直接使用 mean(Z) 或 var(Z) 代替公式计算。

Triggers

  • MATLAB混合高斯分布
  • 计算U统计量
  • matlab Z=X+nY
  • 分析n值影响
  • 生成混合高斯随机数

レビュー

まだレビューはありません。使ってみた感想をお寄せください。

同じリポジトリのスキル

概要と使いどころ

Expertly translates, polishes scientific/technical text (with specialized support for SCI Aerospace standards), or drafts formal English peer reviews. Ensures accuracy, clarity, and adherence to high academic standards.

日本語の概要は準備中です。原文の説明を表示しています。

David-Li0406/meta-skill-evloving22026年7月14日 更新

将中文学术文本翻译为符合国际期刊标准的高级英语,并提供多个润色版本以供选择。确保术语准确、逻辑严谨、句式复杂,彻底消除中式英语。

日本語の概要は準備中です。原文の説明を表示しています。

David-Li0406/meta-skill-evloving22026年7月14日 更新

Browser automation CLI for AI agents. Use when the user needs to interact with websites, including navigating pages, filling forms, clicking buttons, taking screenshots, extracting data, testing web apps, or automating any browser task. Triggers include requests to "open a website", "fill out a form", "click a button", "take a screenshot", "scrape data from a page", "test this web app", "login to a site", "automate browser actions", or any task requiring programmatic web interaction.

日本語の概要は準備中です。原文の説明を表示しています。

David-Li0406/meta-skill-evloving22026年7月14日 更新

针对微测站与国测站空气质量数据,执行特定列的预处理、异常检测、归一化标准化,并利用遗传算法、粒子群算法、蚁群算法进行严格匹配列数的校准与可视化分析。

日本語の概要は準備中です。原文の説明を表示しています。

David-Li0406/meta-skill-evloving22026年7月14日 更新

扮演人工智能辅助医生,结合最新AI工具(如医学成像、机器学习)和传统方法(如体检、实验室测试)来诊断病人症状的最可能原因。

日本語の概要は準備中です。原文の説明を表示しています。

David-Li0406/meta-skill-evloving22026年7月14日 更新

Creating algorithmic art using p5.js with seeded randomness and interactive parameter exploration. Use this when users request creating art using code, generative art, algorithmic art, flow fields, or particle systems. Create original algorithmic art rather than copying existing artists' work to avoid copyright violations.

日本語の概要は準備中です。原文の説明を表示しています。

David-Li0406/meta-skill-evloving22026年7月14日 更新

David-Li0406 のスキルをすべて見る

このスキルの問題を報告する