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。0 Q2 o2 Q1 [# `4 d3 v
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。
前 言：- a) H3 l( V0 }, |4 }
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？
; Q0 b1 e1 j* F( E
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。
目录：8 P. Z) a9 B4 ?# }# @$ I
第1章 利用MATLAB生成WORD和EXCEL文档; t& d; c. o% Q/ K& m
1.1 组件对象模型（COM）* N I5 [4 H; A3 e6 X( n' k
1.1.1 什么是COM4 ? y9 `4 F( c: _6 ~3 h
1.1.2 COM接口
1.2 MATLAB中的ACTIVEX控件接口技术5 `0 G2 ^! m! J2 L
1.2.1 actxcontrol函数
1.2.2 actxcontrollist函数/ s+ \3 ?, ~, N0 F/ I h' ` J
1.2.3 actxcontrolselect函数! d, v( H) b% ]& C
1.2.4 actxserver函数: l: a1 m* Y- b
1.2.5 利用MATLAB调用COM对象* i$ V9 J3 x: H0 p# K
1.2.6 调用actxserver函数创建组件服务器9 p9 W. ] d* Q' B7 X0 f# S
1.3 案例1：利用MATLAB生成WORD文档' b. H& Z, F. m& T
1.3.1 调用actxserver函数创建MicrosoftWord服务器
1.3.2 建立Word文本文档
1.3.3 插入表格
1.3.4 插入图片. @9 u2 ?7 R3 y
1.3.5 保存文档1 Z4 d9 g' a" H( H2 }% B% a
1.3.6 完整代码0 @6 [; r- e4 F" r$ K' [: c, y
1.4 案例2：利用MATLAB生成EXCEL文档
1.4.1 调用actxserver函数创建MicrosoftExcel服务器' f. `0 }$ f7 A+ R; A+ Q+ Y
1.4.2 新建Excel工作簿
1.4.3 获取工作表对象句柄! r# k& a" _* D; g4 x
1.4.4 插入、复制、删除、移动和重命名工作表
1.4.5 页面设置
1.4.6 选取工作表区域
1.4.7 设置行高和列宽
1.4.8 合并单元格: M- o3 o q% `* J0 d
1.4.9 边框设置, w4 t4 ?4 [& c8 j7 k9 V! `
1.4.10 设置单元格对齐方式
1.4.11 写入单元格内容" a- q: i9 R! N0 G& ~. T
1.4.12 插入图片8 D6 C: K5 T1 |& Z
1.4.13 保存工作簿
1.4.14 完整代码- \# O, u3 o) j$ _4 F
第2章 数据的导入与导出" R! i: {$ N; X4 P- y( [' Z
2.1 案例3：从TXT文件中读取数据- Y' ]7 I& F! T" m+ ~
2.1.1 利用数据导入向导导入TXT文件
2.1.2 调用高级函数读取数据; `; A4 o: Z" n7 z- n2 k
2.1.3 调用低级函数读取数据9 }) c* N* c$ t5 a" `( @
2.2 案例4：把数据写入TXT文件: h! b1 }: k9 ]+ S! X
2.2.1 调用dlmread函数写入数据
2.2.2 调用fprintf函数写入数据
2.3 案例5：从EXCEL文件中读取数据- d2 X9 S m9 R
2.3.1 利用数据导入向导导入Excel文件! P) N6 F( G' y$ k0 y# f
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" |) s5 e/ }& r0 N; P9 U' Q6 F5 r' s* G
* L0 q) ~4 F! ?) g' |
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/ d; b/ L! A. o2 M3 E L# I; _
3.1.2 smoothts函数
3.1.3 medfilt1函数& ?% L! A8 D8 ?8 t
3.2 案例8：数据的标准化变换: Y: _9 F" s4 {6 t4 B2 C' Q% _
3.2.1 标准化变换公式& n# P% d) g1 [4 i P n% l. D
3.2.2 标准化变换的MATLAB实现
3.3 案例9：数据的极差归一化变换- m3 H0 O! f* {/ `# a1 L
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* }* c1 Y# M2 z( p8 E
0 x: Z. Q. X1 r9 t B* w: F
第4章 生成随机数4 K2 J! Q( M$ Z$ c _
4.1 案例10：生成一元分布随机数
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& C; O% Y3 P, J$ A5 }( T2 o6 G
4.1.3 常见一元分布随机数) I+ \5 J: w3 z4 E& n
4.1.4 任意一元分布随机数7 v$ P4 k5 a/ S* \/ r
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# T5 l+ b/ E2 w6 k& d) E
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
4.3.4 用蒙特卡洛方法求积分
4.3.5 街头骗局揭秘 / w. J2 m/ Z( y s8 S; t0 G/ E
第5章 参数估计与假设检验* s% x5 E+ |. T6 ]; `
5.1 案例13：常见分布的参数估计" K: z; ^ v* R( W
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$ L/ f% |- u# M( Z7 r' `) V$ s$ D
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
5.2.4 总体均值未知时的单个正态总体方差的检验
5.2.5 总体均值未知时的两个正态总体方差的比较检验2 _" C1 P3 F2 \$ 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" E& p6 Y, O# n" K: h6 Y
5.3.3 统计图/ K, c* K5 L' i) }1 V, W
5.3.4 分布的检验) C+ ]& h; c/ u4 x$ X
5.3.5 最终的结论1 L3 u6 x: T. h5 G0 {
5.4 案例16：核密度估计( l& c& B( A4 A4 |/ F5 u+ `2 H$ H
5.4.1 经验密度函数8 y# _3 ~8 B# `# V$ J
5.4.2 核密度估计
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; ]: f8 f8 a5 J; X: a& S7 Q
第6章 COPULA理论及应用实例
6.1 COPULA函数的定义与基本性质5 I1 V6 i1 T6 F& v5 b: ?: b
6.1.1 二元Copula函数的定义及性质) y- W1 _$ ~, T0 [! w
6.1.2 多元Copula函数的定义及性质 \ y: \; h, ]. s# z `- p
6.2 常用的COPULA函数
6.2.1 正态Copula函数' f8 W o9 d! p7 A( M
6.2.2 t-Copula函数
6.2.3 阿基米德copula函数
6.3 COPULA函数与相关性度量
6.3.1 Pearson线性相关系数' r! r+ q+ Z: m- @
6.3.2 Kendall秩相关系数9 S/ g6 O: ^& M ~1 L+ ]2 s) E3 m
6.3.3 Spearman秩相关系数+ x" C5 p" S5 N8 O# w+ }" ^1 z
6.3.4 尾部相关系数! A+ f3 v8 s+ H6 l2 g( }7 ]: g
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! [+ R$ c7 v: {- \& f. Z
6.4.1 案例描述6 f3 h/ @3 [3 V1 ^# L- o
6.4.2 确定边缘分布
6.4.3 选取适当的Copula函数7 K/ n8 \! a2 I( T
6.4.4 参数估计% c" e9 v4 r- t* h3 s+ L
6.4.5 与Copula有关的MATLAB函数
6.4.6 案例的计算与分析
第7章 方差分析
7.1 案例18：单因素一元方差分析! k' u: P1 x0 c$ B- U7 w& A
7.1.1 单因素一元方差分析的MATLAB实现5 Y( O" K) q& U. k5 V0 Q! l
7.1.2 案例分析
7.2 案例19：双因素一元方差分析7 O: ^" t- S8 n' ^: D A
7.2.1 双因素一元方差分析的MATLAB实现
7.2.2 案例分析
7.3 案例20：多因素一元方差分析+ L& O2 k+ a5 Z9 d. }6 q
7.3.1 多因素一元方差分析的MATLAB实现; [4 I" {+ ^) M+ B/ }: i9 s6 J7 _
7.3.2 案例分析一
7.3.3 案例分析二
7.4 案例21：单因素多元方差分析
7.4.1 单因素多元方差分析的MATLAB实现1 j8 f: _1 j' v, g9 l9 E8 g! L
7.4.2 案例分析
7.5 案例22：非参数方差分析" H Q8 P& t) t2 x0 k& {& D
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
8.1 案例23：一元线性回归分析5 E Y( C6 ~. s
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 f' M& S; V$ Q: }# V/ o$ e
8.2 案例24：一元非线性回归分析# O4 r; }; p# E- j
8.2.1 数据的散点图+ b, @7 C6 I0 T% D p7 b
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2 k& o* k( k& w0 ]& T% G7 ?* y, B7 a
8.3.1 调用自编reglm函数作多重回归分析5 h% x6 Q4 k. A3 f, K
8.3.2 调用stepwise函数作逐步回归
第9章 聚类分析
9.1 聚类分析简介
9.1.1 距离和相似系数
9.1.2 系统聚类法. C+ x/ o0 V: ?9 g/ u# J, G
9.1.3 K均值聚类法
9.1.4 模糊C均值聚类法
9.2 案例26：系统聚类法的案例分析5 k* Q# o) P0 j m" t. i/ Z4 s( P' P
9.2.1 系统聚类法的MATLAB函数 W) B5 h1 N1 A# C) {& s: ^) Y
9.2.2 样品聚类案例+ D% @7 \! V! m* b
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
9.4 案例28：模糊C均值聚类法的案例分析' |- ~, d- b, s+ ~3 ~6 e0 x8 E: `; }
9.4.1 模糊C均值聚类法的MATLAB函数6 O2 A2 H, {2 m, h% X
9.4.2 模糊C均值聚类法案例( e3 r% Z5 v5 k' c# g: s0 b
第10章 判别分析
10.1 判别分析简介
10.1.1 距离判别' n L' M* C+ }3 m8 R+ G: }% r/ P
10.1.2 贝叶斯判别9 s+ G+ Z) l$ T5 a8 n& Q
10.1.3 Fisher判别
10.2 案例29：距离判别法的案例分析
10.2.1 classify函数
10.2.2 案例分析! @; y( A+ Z- r/ I5 a8 J! g- f( o
10.3 案例30：贝叶斯判别法的案例分析
10.3.1 NaiveBayes类: L9 N( R2 D# ]) i5 C8 E
10.3.2 案例分析 @' S- x; B+ k, H, h
10.4 案例31：FISHER判别法的案例分析2 j& P( @* V% H
10.4.1 Fisher判别分析的MATLAB实现
10.4.2 案例分析
第11章 主成分分析2 Z8 } S! p, p7 F. N" j
11.1 主成分分析简介
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$ |7 g- S v' \, d$ u" k! @6 N
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$ D' i, V8 v! V' k; ?4 m4 Q
11.2.1 pcacov函数4 S. U, h: b+ B5 _; _
11.2.2 princomp函数; T! P4 C: ^8 A
11.2.3 pcares函数 V- o# C* X7 _1 K) @
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, y4 G7 V/ K) F# ^, z
11.4 案例33：从样本观测值矩阵出发求解主成分 X* j5 x! m: @: y: d# w
11.4.1 调用princomp函数作主成分分析
11.4.2 结果分析
11.4.3 调用pcares函数重建观测数据0 f y; R* @2 [* ]5 S6 V A) R
第12章 因子分析
12.1 因子分析简介
12.1.1 基本因子分析模型; L: o# K+ |; J" i+ f3 X% U
12.1.2 因子模型的基本性质
12.1.3 因子载荷阵和特殊方差阵的估计0 |- v+ b# b( P/ _9 s/ r U
12.1.4 因子旋转# o# M x7 B+ X7 ~% h: n* a5 K8 c1 F
12.1.5 因子得分
12.1.6 因子分析中的Heywood现象' K7 a \9 ~, t8 |2 g, h
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& j4 J a, i" @4 e/ k
12.4.1 读取数据
12.4.2 调用factoran函数作因子分析
/ z; y+ M: p' w6 q
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% r, {* z% D# U2 F' g# M) Z6 X
1.1.1 案例描述
1.1.2 重建图像数据
1.1.3 曲线拟合% b/ [% h6 y) |
案例37：基于K均值聚类的图像分割( ?4 m( Z! b/ E7 z8 a4 ]# X& x
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
1.3.1 案例描述2 P0 I: c7 D! S; a6 T' [
1.3.2 中位数算法原理+ A1 \. T1 _1 O( U0 f7 w, |! n3 ^, M
1.3.3 本案例的MATLAB实现一0 k/ J! y L0 ?" u9 {$ A
1.3.4 本案例的MATLAB实现二2 {% `" z& I5 v) E
案例39：基于贝叶斯判别的手写体数字识别
1.4.1 样本图片的预处理$ ^6 f9 `# E4 k2 Q
1.4.2 创建朴素贝叶斯分类器对象
1.4.3 判别效果- W, W2 I0 j0 m( G q/ O0 ?8 j3 g
案例40：基于主成分分析的图像压缩与重建, T, Q3 L* L N& m, ]
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
附录B MATLAB统计工具箱函数大全
《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)