本书从实际应用的角度出发，以大量的案例详细介绍了MATLAB环境下的统计分析与应用。本书主要内容包括：利用MATLAB制作统计报告或统计报表；从文件中读取数据到MATLAB；从MATLAB中导出数据到文件；数据的平滑处理、标准化变换和极差归一化变换；生成一元和多元分布随机数；参数估计与假设检验；Copula理论及应用实例；方差分析；基于回归分析的数据拟合；聚类分析；判别分析；主成分分析；因子分析；图像处理中的统计应用等。
本书可以作为高等院校本科生、研究生的统计学相关课程的辅导教材或教学参考书，也可作为从事数据分析与数据管理的研究人员的参考用书。4 s! @1 |( @; _8 @2 e, L9 @
前 言：
MATLAB、SAS、Spss、Splus、R语言等软件都可用作统计计算与分析，在这些软件中，MATLAB的功能无疑是最强大的，它有“草稿纸式”的编程语言，还有包罗万象的工具箱，用起来非常容易上手，用户不仅可以调用其内部函数作“傻瓜式”的计算，还可以根据自己的算法进行扩展编程。可以说，它就是计算软件中的“航空母舰”。试问读者朋友们，你们是想拥有一艘普通的“战舰”，还是想拥有一艘无所不能的“航空母舰”呢？
. O8 \. c9 F0 G# b j
在我们的生活中，统计无处不在，大到国家的国计民生，小到个人的生活起居，无不与统计息息相关，与统计有关的论著也如春日繁花，种类繁多。就目前情况来看，市面上有关统计与MATLAB结合的论著并不多见，并且大多只是MATLAB统计工具箱的英文翻译，或者在概率论与数理统计的教材里加了一些MATLAB代码，它们普遍存在的问题就是缺乏具体的案例分析，并且在统计的应用方面缺乏创新。本书仅以较少篇幅介绍MATLAB统计工具箱函数的调用方法，将通过大量的案例分析介绍MATLAB在统计方面的应用。本书内容分12章，另有2个附录，共涉及39个大的案例，其中有些大案例下还包含了一些小的案例。本书章节是这样安排的：第1章，利用MATLAB生成Word和Excel文档；第2章，数据的导入与导出；第3章，数据的预处理；第4章，生成随机数；第5章，参数估计与假设检验；第6章，Copula理论及应用实例；第7章，方差分析；第8章，数据拟合；第9章，聚类分析；第10章，判别分析；第11章，主成分分析；第12章，因子分析；附录A，图像处理中的统计应用案例；附录B，MATLAB统计工具箱函数大全。其中利用MATLAB与Word和Excel接口技术生成Word和Excel文档属作者原创性成果，利用这一技术可以很方便的生成各种统计报告或统计报表。另外本书还涉及5个基于统计方法的图像处理案例，包括从图像资料中提取绘图数据并进行曲线拟合，灰度图像和真彩图像的分割，从固定背景视频中识别运动目标，手写体数字识别，图像压缩等。这些都是传统统计软件所不能解决的问题，也是传统教材没有涉及的问题。; M _/ _% j7 d9 P# |' L
目录：4 y: F3 L2 ^/ W t7 m2 \
第1章 利用MATLAB生成WORD和EXCEL文档
1.1 组件对象模型（COM）( A, B& W! N7 W0 Y; L
1.1.1 什么是COM
1.1.2 COM接口3 @+ [7 z; U) v& h
1.2 MATLAB中的ACTIVEX控件接口技术! ^* |" e. ?. L& M4 J# [
1.2.1 actxcontrol函数$ c7 G" v" `! O4 h
1.2.2 actxcontrollist函数
1.2.3 actxcontrolselect函数- J n5 t! |6 }3 I' q
1.2.4 actxserver函数
1.2.5 利用MATLAB调用COM对象& h) c8 D5 |& k1 k. m
1.2.6 调用actxserver函数创建组件服务器6 N& S- R' y# C
1.3 案例1：利用MATLAB生成WORD文档* e0 F* |" n$ Q
1.3.1 调用actxserver函数创建MicrosoftWord服务器; C$ s* ], q( ^1 k% X4 w b
1.3.2 建立Word文本文档; A6 k* N+ u/ i( B
1.3.3 插入表格
1.3.4 插入图片
1.3.5 保存文档
1.3.6 完整代码3 ~% V+ F8 Z7 c. l, ?& e
1.4 案例2：利用MATLAB生成EXCEL文档3 R0 O h9 ], `- D7 B6 X( {/ c! f
1.4.1 调用actxserver函数创建MicrosoftExcel服务器; ]: U; a" F3 \5 L+ E7 d
1.4.2 新建Excel工作簿; N. r; p' v4 i2 \
1.4.3 获取工作表对象句柄0 x% d5 \1 ]/ q
1.4.4 插入、复制、删除、移动和重命名工作表! a8 ~( V, D. q; h6 j
1.4.5 页面设置
1.4.6 选取工作表区域, M$ V9 i# k/ W: n) D) K3 ^
1.4.7 设置行高和列宽
1.4.8 合并单元格
1.4.9 边框设置
1.4.10 设置单元格对齐方式
1.4.11 写入单元格内容9 q5 Q$ D Z# w3 i9 Q
1.4.12 插入图片! [) V9 O. @1 X& V/ c
1.4.13 保存工作簿
1.4.14 完整代码/ N* N% D' M) q& G9 L
. W. G7 z+ C6 d2 s u" i3 ]* q# M
第2章 数据的导入与导出3 Z2 F( x% ?: @" h2 A% @ u- t2 R
2.1 案例3：从TXT文件中读取数据
2.1.1 利用数据导入向导导入TXT文件$ p) ~9 h# w3 e9 I4 I1 v
2.1.2 调用高级函数读取数据
2.1.3 调用低级函数读取数据
2.2 案例4：把数据写入TXT文件
2.2.1 调用dlmread函数写入数据6 a: z' ~) u* n9 q$ g
2.2.2 调用fprintf函数写入数据1 L7 K4 ]% }( g
2.3 案例5：从EXCEL文件中读取数据: P2 f) y s9 a p$ @! L1 f$ {( K
2.3.1 利用数据导入向导导入Excel文件
2.3.2 调用xlsread函数读取数据
2.4 案例6：把数据写入EXCEL文件8 V/ {* E9 O! g1 ^
第3章 数据的预处理
3.1 案例7：数据的平滑处理
3.1.1 smooth函数
3.1.2 smoothts函数
3.1.3 medfilt1函数$ q& z' d3 t( H1 T
3.2 案例8：数据的标准化变换
3.2.1 标准化变换公式7 r9 ~2 M$ N3 L1 Y: ~7 `3 L
3.2.2 标准化变换的MATLAB实现; X; O! F# r3 m1 @. h$ U6 ^
3.3 案例9：数据的极差归一化变换# e, O; m" S# ^# v: T) B1 u q0 A
3.3.1 极差归一化变换公式
3.3.2 极差归一化变换的MATLAB实现
第4章 生成随机数
4.1 案例10：生成一元分布随机数* [7 o0 V( G: m k# q4 \" u- P7 n
4.1.1 均匀分布随机数和标准正态分布随机数
4.1.2 RandStream类 I4 W0 ]6 j$ i1 T8 Y1 s2 x. p
4.1.3 常见一元分布随机数! ~) W2 h4 Z/ q0 t9 z9 a: o6 }& w. }4 Z# D
4.1.4 任意一元分布随机数
4.2 案例11：生成多元分布随机数
4.3 案例12：蒙特卡洛方法+ [8 w' @1 s. P2 |/ I4 v
4.3.1 有趣的蒙提霍尔问题
4.3.2 抽球问题的蒙特卡洛模拟
4.3.3 用蒙特卡洛方法求圆周率$ {6 K& J% F, R$ V$ `4 G
4.3.4 用蒙特卡洛方法求积分
4.3.5 街头骗局揭秘
第5章 参数估计与假设检验1 P3 V! X9 n" E# C1 d0 J) W/ N. E
5.1 案例13：常见分布的参数估计3 [1 ~3 s6 p* i; G4 W* r, {
5.2 案例14：正态总体参数的检验
5.2.1 总体标准差已知时的单个正态总体均值的检验( _2 _. a+ N7 n3 Z4 y
5.2.2 总体标准差未知时的单个正态总体均值的检验
5.2.3 总体标准差未知时的两个正态总体均值的比较检验0 ]* J9 N! \$ P
5.2.4 总体均值未知时的单个正态总体方差的检验' B/ q3 V) l& m- L7 n
5.2.5 总体均值未知时的两个正态总体方差的比较检验& w2 X: R+ `. V n
5.3 案例15：分布的拟合与检验
5.3.1 案例描述
5.3.2 描述性统计量2 F2 @5 `4 R5 m0 c% h
5.3.3 统计图
5.3.4 分布的检验9 V8 u( ~! N. U$ I
5.3.5 最终的结论+ [) `: r( b3 B5 [
5.4 案例16：核密度估计4 t# L7 z" L- [2 S* S6 \ k3 ^
5.4.1 经验密度函数
5.4.2 核密度估计* I5 r8 X. F6 N! S3 K0 Q8 P
5.4.3 核密度估计的MATLAB实现
5.4.4 核密度估计的案例分析/ B* e: X5 ]! v/ x. [6 h- D
第6章 COPULA理论及应用实例) q) Q! G/ M9 m3 V7 s" }" }
6.1 COPULA函数的定义与基本性质9 v. G) T S+ t* f$ G
6.1.1 二元Copula函数的定义及性质8 s; T$ r5 a- D- M; J% J& w8 @
6.1.2 多元Copula函数的定义及性质
6.2 常用的COPULA函数4 z- h7 l5 N, c" K) ]/ X
6.2.1 正态Copula函数
6.2.2 t-Copula函数2 m9 K0 i$ i3 w, l+ J! M9 b
6.2.3 阿基米德copula函数
6.3 COPULA函数与相关性度量/ u7 |( \6 V: @7 r4 s) e
6.3.1 Pearson线性相关系数, v$ e( v4 y- h3 C' _7 h1 L
6.3.2 Kendall秩相关系数
6.3.3 Spearman秩相关系数* t' M* x1 b7 o
6.3.4 尾部相关系数
6.3.5 基于Copula函数的相关性度量
6.3.6 基于常用二元Copula函数的相关性度量
6.4 案例17：沪深股市日收益率的二元COPULA模型
6.4.1 案例描述
6.4.2 确定边缘分布
6.4.3 选取适当的Copula函数
6.4.4 参数估计
6.4.5 与Copula有关的MATLAB函数: D7 D4 L) x2 _ X
6.4.6 案例的计算与分析) a! ~1 \0 [0 p% i6 u0 V" {
: a. i# Q; r7 O& o
第7章 方差分析
7.1 案例18：单因素一元方差分析
7.1.1 单因素一元方差分析的MATLAB实现9 F! ]% m/ \' {) h- ~: ^# I0 K
7.1.2 案例分析
7.2 案例19：双因素一元方差分析3 j# K' T! {4 K0 X2 B' D
7.2.1 双因素一元方差分析的MATLAB实现
7.2.2 案例分析& s) ^; r* u( `" V3 w
7.3 案例20：多因素一元方差分析
7.3.1 多因素一元方差分析的MATLAB实现' C8 U0 D9 Y, f C/ Y
7.3.2 案例分析一7 o- U! [2 P* [7 {# _
7.3.3 案例分析二+ [! ]1 [; s$ J% J8 i) e$ V
7.4 案例21：单因素多元方差分析" U) P+ M- y; x% K8 ^* g
7.4.1 单因素多元方差分析的MATLAB实现
7.4.2 案例分析3 X k0 w% I! H9 y
7.5 案例22：非参数方差分析
7.5.1 非参数方差分析的MATLAB实现
7.5.2 Kruskal-Wallis检验的案例分析
7.5.3 Friedman检验的案例分析
第8章 数据拟合! `( d) m: W! k: J( ~3 y0 b
8.1 案例23：一元线性回归分析
8.1.1 数据的散点图
8.1.2 调用regress函数作一元线性回归分析
8.1.3 调用regstats函数作一元线性回归分析
8.1.4 调用robustfit函数作稳健回归5 r p, v+ G. K( [( a
8.2 案例24：一元非线性回归分析 y: R7 P5 g# ]( Q
8.2.1 数据的散点图
8.2.2 调用nlinfit函数作一元非线性回归分析
8.2.3 利用曲线拟合工具cftool作一元非线性拟合
8.3 案例25：多重回归分析
8.3.1 调用自编reglm函数作多重回归分析$ R9 c' v- Q' i4 J
8.3.2 调用stepwise函数作逐步回归
第9章 聚类分析7 S* Q2 ?$ e9 G, m
9.1 聚类分析简介
9.1.1 距离和相似系数. j% z- ^9 l- O6 f
9.1.2 系统聚类法% R+ K* y4 }# Z2 G" e, p. P
9.1.3 K均值聚类法
9.1.4 模糊C均值聚类法, x/ n) S. w' ]# B3 `
9.2 案例26：系统聚类法的案例分析2 A- G p* h" r+ G0 c
9.2.1 系统聚类法的MATLAB函数
9.2.2 样品聚类案例
9.2.3 变量聚类案例
9.3 案例27：K均值聚类法的案例分析
9.3.1 K均值聚类法的MATLAB函数
9.3.2 K均值聚类法案例# t# ]7 d3 f" ^- V0 ?
9.4 案例28：模糊C均值聚类法的案例分析) y/ o. M) w' y( Z! L
9.4.1 模糊C均值聚类法的MATLAB函数
9.4.2 模糊C均值聚类法案例: s$ k" I' Q) R: L! O# Y
! f, o4 @; P: [0 h( e4 j
第10章 判别分析
10.1 判别分析简介
10.1.1 距离判别
10.1.2 贝叶斯判别
10.1.3 Fisher判别
10.2 案例29：距离判别法的案例分析! w7 x$ I4 |! m: c: n
10.2.1 classify函数. u% P0 K2 p" R% r$ |. Y
10.2.2 案例分析! h# G7 X& Q+ D$ n3 ~/ z A
10.3 案例30：贝叶斯判别法的案例分析
10.3.1 NaiveBayes类1 N, X/ S) b! m
10.3.2 案例分析
10.4 案例31：FISHER判别法的案例分析1 q0 u3 `5 j( p1 q- I3 B
10.4.1 Fisher判别分析的MATLAB实现
10.4.2 案例分析
, M% J& n& c, X J7 E
第11章 主成分分析" K( ~4 x; ] h. }* S
11.1 主成分分析简介0 d, A3 j5 {# t! m" A5 v+ d
11.1.1 主成分分析的几何意义
11.1.2 总体的主成分
11.1.3 样本的主成分
11.1.4 关于主成分表达式的两点说明
11.2 主成分分析的MATLAB函数2 h+ ^) _$ |( D0 s# W$ e' r; `& m3 n
11.2.1 pcacov函数
11.2.2 princomp函数
11.2.3 pcares函数 n5 K( l4 z) u. g2 {/ X
11.3 案例32：从协方差矩阵或相关系数矩阵出发求解主成分
11.3.1 调用pcacov函数作主成分分析
11.3.2 结果分析
11.4 案例33：从样本观测值矩阵出发求解主成分
11.4.1 调用princomp函数作主成分分析
11.4.2 结果分析 ~6 R, o" C# b; U j _& z. I5 T
11.4.3 调用pcares函数重建观测数据 ?, Z4 `+ I1 a- t
第12章 因子分析3 }- }) M: h' v
12.1 因子分析简介
12.1.1 基本因子分析模型
12.1.2 因子模型的基本性质% z9 t$ p6 f& K, U; Y/ b, T+ R
12.1.3 因子载荷阵和特殊方差阵的估计: J% G" d$ K( M; E% `
12.1.4 因子旋转
12.1.5 因子得分, }9 r: \4 K/ k: C5 B! N
12.1.6 因子分析中的Heywood现象
12.2 因子分析的MATLAB函数
12.3 案例34：基于协方差矩阵或相关系数矩阵的因子分析
12.4 案例35：基于样本观测值矩阵的因子分析0 U' H* ^) ?4 T% B6 C, ~
12.4.1 读取数据
12.4.2 调用factoran函数作因子分析
附录A 图像处理中的统计应用案例
案例36：基于图像资料的数据重建与拟合. V7 @2 u: u; x J4 k
1.1.1 案例描述
1.1.2 重建图像数据- s0 j4 d# a( ?# w
1.1.3 曲线拟合
案例37：基于K均值聚类的图像分割
1.2.1 灰度图像分割案例
1.2.2 真彩图像分割案例
案例38：基于中位数算法的运动目标检测; J# A# o2 M* g' d) u2 j6 C
1.3.1 案例描述. J. r) Q7 c4 x* f% y- z
1.3.2 中位数算法原理
1.3.3 本案例的MATLAB实现一6 I# B- o" B, [% P
1.3.4 本案例的MATLAB实现二 O" X+ e w0 G( l
案例39：基于贝叶斯判别的手写体数字识别) Y) f8 _9 [, h9 e# ~7 [
1.4.1 样本图片的预处理
1.4.2 创建朴素贝叶斯分类器对象
1.4.3 判别效果
案例40：基于主成分分析的图像压缩与重建
1.5.1 基于主成分分析的图像压缩与重建原理
1.5.2 图像压缩与重建的MATLAB实现9 p/ u9 a7 c& o4 R3 { s
附录B MATLAB统计工具箱函数大全% m& q/ b( w4 ~
《MATLAB统计分析与应用：40个案例分析》源程序_数据.part2.rar
(1.39 MB, 下载次数: 44, 售价: 2 点体力)