在项目风险元传递理论的研究中，很大一部分都是关于概率型风险元的研究，而对概率型风险元的刻画最重要的是其概率分布函数与概率密度函数。因此，利用Matlab对各种概率型风险元的概率分布函数以及概率密度函数进行作图，从而给软件使用者以直观的感受是软件必须实现的基本功能之一。
1.概率密度的计算函数及其Matlab实现
在Matlab中，可以利用其中的专用函数对概率密度函数值进行计算，下面列出了几个基本的概率密度函数值的计算函数及其Matlab实现。
（1）正态分布概率密度计算函数normpdf。
格式：normpdf（k，mu，sigma）
说明：计算参数为μ＝mu，σ＝sigma的正态分布密度函数在k处的取值
Matlab实现代码（在Delphi和Matlab数据接口实现中已使用过）：
【例7.2】 本书第5章图5.19就是利用上述方法绘制的，在图5.19中，x的取值范围为[-5，30]，a和b的值分别为12和
（2）泊松分布概率密度计算函数poisspdf。
格式：poisspdf（k，Lambda）
说明：计算参数λ＝Lambda的泊松分布密度函数在k处的取值
Matlab实现代码：
（3）二项分布概率密度计算函数binopdf。
格式：binopdf（k，n，p）
说明：计算参数为n，p，发生k次的二项分布密度函数值，其中：n表示试验总次数。p表示每次试验事件发生的概率
Matlab实现代码：
2.概率分布的计算函数及其Matlab实现
可以利用Matlab中的专用函数对概率分布函数值进行计算，下面列出了上述三个概率分布函数值的计算函数及其Matlab实现。(www.xing528.com)
（1）正态分布概率分布计算函数normcdf。
格式：normcdf（k，mu，sigma）
说明：计算参数为μ＝mu，σ＝sigma的正态分布函数在k处的取值
Matlab实现代码：
【例7.3】 本书表3.3中的数据就是由上面的方法计算所得，不同之处为表3.3计算的时候的函数为y2＝1-normcdf（x，a，b），其中a、b以及x的取值范围也不同。
【例7.4】 本书图3.7、图5.20均是使用该方法绘制而成的，不同之处只是图3.7和图5.20中的函数也为y2＝1-normcdf（x，a，b），其中的参数值也不同，但绘制原理是一样的。
（2）泊松分布概率分布计算函数poisscdf。
格式：poisscdf（k，Lambda）
说明：计算参数λ＝Lambda的泊松分布函数在k处的取值
Matlab实现代码：
（3）二项分布概率分布计算函数binocdf。
格式：binocdf（k，n，p）
说明：计算参数为n，p，发生k次的二项分布函数值，其中：n表示试验总次数。p表示每次试验事件发生的概率；
Matlab实现代码：
除上述三种常用的概率分布函数和密度函数外，更多的概率分布和概率密度函数的实现可以参看Matlab函数库文件。其意义和上述三种基本相同。
当利用Matlab的绘图功能将图像显示出来之后，可以将其利用命令存成图像文件，方便以后使用，其语法格式为：saveas（gcf，′路径′，′图片格式′）。
说明：gcf是生成图像后的窗口句柄，路径表示将图片存放在磁盘上的路径，图片格式包括“bmp、fig、jpg等等”，可以根据需要自己选取相应的参数。例如，可以在上述的每一个风险元密度或分布函数的.M文件最后添加一句：saveas（gcf，C：\temp，bmp），则可将生成后的图片储存成C：\temp.bmp文件。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
