请问我的matlab程序哪里有问题？

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

大家好！我用下面的程序运行了一个晚上，结果还是没出来，请问问题在哪里？非常感谢！

1. 
   
2. %直接抽样法%
   
3. clear all;
   
4. M=1000;
   
5. m=1000;
   
6. n=5000;
   
7. N=5;
   
8. 
   
9. t=4.8688;
   
10. alpha=0.2;
    
11. 
    
12. for N=5:5:20;
    
13.     x=random('wbl',15,2,M,N); %产生N个威布尔分布样本：M*N%
    
14.     y=log(x);                             %求相应的极值分布样本:1*N%
    
15.     w=mean(y);                       %求该极值样本的均值和标准差1*N%
    
16.     v=std(y);
    
17. for j=1:N
    
18. for i=1:n
    
19.     for k=1:m
    
20.         jz=random('ev',0,1,M,1);
    
21.         f1(k)=mean(jz);
    
22.         f2(k)=var(jz,1);
    
23.     end                                          %f1、f2：1000*1%
    
24.     kesai=(log(t)-w(j))*sqrt(f2)/v(j)+f1;
    
25.     kesai1=sort(kesai);
    
26.     kesaialpha=kesai1(M*(1-alpha));
    
27.     rl(i)=exp(-exp(kesaialpha));    %得到一个置信下限值%
    
28.     cdfrl(i)=1-weibcdf(rl(i),2,15); %得到每个估计出的分位点的置信水平即覆盖率%
    
29. end                                            %此循环得到n个置信下限值，rl为1*5000列的行向量%
    
30.     N_rl(j,:)=rl;                             %N_rl为N*n%
    
31.     N_mean(j)=mean(rl);             %N_mean为N*1%
    
32.     N_var(j)=dot((rl-0.9),(rl-0.9));%N_var为N*1%
    
33.     N_cdf(j)=mean(cdfrl);           %N_cdf为N*1%
    
34. end
    
35. %对每一个威布尔样本计算方差和真实的置信水平，方差为相对于可靠度真值
    
36. %即0.9的离散程度，真实的置信水平为在每一个模拟出的分位点处威布尔分布的
    
37. %累积概率值%
    
38.     fwd(N)=mean(N_mean);      %样本量为N时，最后表格中的分位点取值%
    
39.     mean_var(N)=mean(N_var);
    
40.     mean_cdf(N)=mean(N_cdf);
    
41. end

复制代码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏2 回帖

关键词：MATLAB程序 MATLAB atlab matla Atl MATLAB 程序

没有错误  估计矩阵太大了   算起来比较慢吧

fuwf120 发表于 2011-5-9 10:18
没有错误  估计矩阵太大了   算起来比较慢吧

谢谢！  可是时间也太长了，我从昨天下午大概6点开始算到现在还没出来，还有一个这样的程序要运行啊

先把M等大参数去掉2个0， 然后运行，能够通过的话就没事。

什么都看不到比较痛苦。
我给你改造了一下。
第一个是函数文件，有两个函数申明，不过你只需要保存为一个就可以，以第一个的声明为名字：Gibbs
保存这个函数名字；
第二个就是简短的脚本。

大概这样的时候，你看着也就觉得能大概估计下时间。不过没提高你代码的效率，还是原来的计算时间。

函数文件如下（Gibbs.m）

1. function [rl,cdfrl]=Gibbs(m,Mt,alpha,n,v,w,t,u)
   
2. hwait = waitbar(0,'For Nth sampling ...');
   
3. for i=1:n
   
4.     i=i;
   
5.     [rl,cdfrl]=simpler(m,Mt,alpha,v,w,t,u,i);
   
6.     waitbar(i/n); % 这是我设置的waitbar可视化显示
   
7. end
   
8. close(hwait); % 关闭waitbar
   
9. 
   
10. function [rl,cdfrl]=simpler(m,Mt,alpha,v,w,t,u,i)
    
11. for k=1:m
    
12.         uz=random('ev',0,1,Mt,1);
    
13.         f1(k)=mean(uz);
    
14.         f2(k)=var(uz,1);
    
15. end                                          %f1、f2：1000*1%
    
16. kesai=(log(t)-w(u))*sqrt(f2)/v(u)+f1;
    
17. kesai1=sort(kesai);
    
18. kesaialpha=kesai1(Mt*(1-alpha));
    
19. rl(i)=exp(-exp(kesaialpha));    %得到一个置信下限值%
    
20. cdfrl(i)=1-weibcdf(rl(i),2,15); %得到每个估计出的分位点的置信水平即覆盖率%

复制代码

脚本文件如下（你随便给它个名字就可以）

1. %直接抽样法%
   
2. clear all;
   
3. Mt=1000;
   
4. m=1000;
   
5. n=5000;
   
6. N=5;
   
7. 
   
8. t=4.8688;
   
9. alpha=0.2;
   
10. 
    
11. SS=0;
    
12. %%
    
13. 
    
14. for N=5:5:20;
    
15.     SS=SS+1;
    
16.     x=random('wbl',15,2,Mt,N); %产生N个威布尔分布样本：M*N%
    
17.     y=log(x);                             %求相应的极值分布样本:1*N%
    
18.     w=mean(y);                       %求该极值样本的均值和标准差1*N%
    
19.     v=std(y);
    
20.    
    
21.     for j=1:N
    
22.         u=j;   
    
23.         [rl,cdfrl]=Gibbs(m,Mt,alpha,n,v,w,t,u);
    
24.         
    
25.         N_rl(j,:)=rl;                             
    
26.         N_mean(j)=mean(rl);             %N_mean为N*1%
    
27.         N_var(j)=dot((rl-0.9),(rl-0.9));%N_var为N*1%
    
28.         N_cdf(j)=mean(cdfrl);           %N_cdf为N*1%
    
29.     end
    
30.    
    
31. %对每一个威布尔样本计算方差和真实的置信水平，方差为相对于可靠度真值
    
32. %即0.9的离散程度，真实的置信水平为在每一个模拟出的分位点处威布尔分布的
    
33. %累积概率值%
    
34.     fwd(N)=mean(N_mean);      %样本量为N时，最后表格中的分位点取值%
    
35.     mean_var(N)=mean(N_var);
    
36.     mean_cdf(N)=mean(N_cdf);
    
37.    
    
38.      fprintf('Finishing the %s  th coculating \n ',SS);
    
39. end
    
40. 
    
41. %%

复制代码

7# tulipsliu

非常感谢！没看懂，先好好学习下

8# O(∩_∩)O~！ 我也是随便改，这个程序运行时间太长；
我也常跑金融模型方面的程序。有一个做3因素定价的模型，40个资产标的，从1962年到2005年的时间序列。MATLAB跑了3个多小时候。长时间的等待是痛苦的。

这个函数写得不好，写的再好点会更漂亮的。
刚才看论坛其他人的程序交流，又遇到 epoh。这个人很强哦。不论是用R，还是使用MATLAB，都很不错。
不过我发现很多人学习MATLAB，还是从以前的BASIC语言系列来的。程序过于长，而且阅读不方便。
我一个朋友五一节到我这里讨论空间计量模型。他们更离谱。把数据放在程序文件里，一下就是300行。呵呵

我呢，把他的数据存储在两个文件里（因为除了经济数据，还需要空间数据）。然后写脚本文件只调用很多函数。才40多行就解决了。

好的函数可以提高程序运行的效率，因为一些好的函数要重复使用。然后呢，精简的脚本可以让自己建模时，思路更清晰。

希望有机会继续和大家一起学习，交流。

9# tulipsliu
谢谢您！受教了！

您的意思是不是将程序按实现的功能不同，建立不同的文件呢？