matlab代码 一个便利店晚上两名职工值班，顾客不太多，是开一个出口，一人收款一人装袋好？还是开两个出口，一人既收款又装袋好？假定：收款和装袋都是1分钟；顾客到达出口是随机的，服从泊松分布；平均每分钟40%没有顾客，30%一个顾客，30%两个以上顾客。试设计一个随机模拟实验分析这个问题。

好的，根据您的要求，我可以为您提供一个 MATLAB 代码来模拟这个问题。代码如下：

clear all; close all; clc;

% 参数设置
num_trials = 1000; % 模拟次数
N = 480; % 模拟时间，单位为分钟
lambda = 2; % 泊松分布参数
p0 = 0.4; % 没有顾客的概率
p1 = 0.3; % 一个顾客的概率
p2 = 0.3; % 两个以上顾客的概率
t_checkout = 1; % 收款和装袋所需时间，单位为分钟

% 模拟
num_customers = zeros(num_trials, N); % 每分钟到达的顾客数
for i = 1:num_trials
    num_customers(i,:) = poissrnd(lambda, [1, N]); % 生成泊松分布的随机数
end

% 计算每个出口的等待时间
wait_time_one_checkout = zeros(num_trials, N); % 一个出口的等待时间
wait_time_two_checkouts = zeros(num_trials, N); % 两个出口的等待时间
for trial = 1:num_trials
    for t = 1:N
        if num_customers(trial,t) == 0 % 没有顾客
            wait_time_one_checkout(trial,t) = 0; % 一个出口等待时间为0
            wait_time_two_checkouts(trial,t) = 0; % 两个出口等待时间为0
        elseif num_customers(trial,t) == 1 % 一个顾客
            wait_time_one_checkout(trial,t) = t_checkout; % 一个出口等待时间为t_checkout
            wait_time_two_checkouts(trial,t) = t_checkout/2; % 两个出口等待时间为t_checkout/2
        else % 两个以上顾客
            wait_time_one_checkout(trial,t) = (num_customers(trial,t)-1)*t_checkout; % 一个出口等待时间为(num_customers-1)*t_checkout
            wait_time_two_checkouts(trial,t) = 0; % 两个出口等待时间为0
        end
    end
end

% 计算每种情况下的平均等待时间
avg_wait_time_one_checkout = mean(sum(wait_time_one_checkout,2)./sum(num_customers,2));
avg_wait_time_two_checkouts = mean(sum(wait_time_two_checkouts,2)./sum(num_customers,2));

% 输出结果
fprintf('一个出口等待时间：%f分钟\n', avg_wait_time_one_checkout);
fprintf('两个出口等待时间：%f分钟\n', avg_wait_time_two_checkouts);

% 绘制直方图
figure;
histogram(sum(wait_time_one_checkout,2)./sum(num_customers,2), 50, 'FaceColor', 'b', 'EdgeColor', 'b', 'Normalization', 'pdf');
hold on;
histogram(sum(wait_time_two_checkouts,2)./sum(num_customers,2), 50, 'FaceColor', 'r', 'EdgeColor', 'r', 'Normalization', 'pdf');
xlabel('平均等待时间（分钟）');
ylabel('概率密度');
legend('一个出口', '两个出口');

这个代码模拟了顾客到达出口的随机过程，并计算了开一个出口和开两个出口的平均等待时间。最后还绘制了直方图来展示两种情况下的等待时间分布情况。您可以根据需要修改参数，例如模拟次数、模拟时间、泊松分布参数等，来得到不同的结果。