$ L) B |1 u$ m, u4 t
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。3 I7 L+ t* }6 a n$ s {/ @
前 言：& o; b1 Y, u/ z- w" Z& d' O
- @' u4 h& o! @5 U. C1 B
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？
) r A( G `1 q/ o9 d
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。* ~0 c7 u0 D! O( O! s
目录：( n$ `( b/ t8 Q6 F H
第1章 利用MATLAB生成WORD和EXCEL文档7 p6 g8 d3 ]5 }/ ? U6 a& Z
1.1 组件对象模型（COM）
1.1.1 什么是COM+ J& R- o& G3 r" a" Z( U
1.1.2 COM接口
1.2 MATLAB中的ACTIVEX控件接口技术/ n6 _+ \$ n# c- j( H6 q
1.2.1 actxcontrol函数
1.2.2 actxcontrollist函数4 v+ o& I5 p: H* B0 {% e# Z
1.2.3 actxcontrolselect函数
1.2.4 actxserver函数; W6 z# d+ {; f) v* h; D5 f
1.2.5 利用MATLAB调用COM对象
1.2.6 调用actxserver函数创建组件服务器+ w" y9 q e) v; [- h0 @# N+ M
1.3 案例1：利用MATLAB生成WORD文档
1.3.1 调用actxserver函数创建MicrosoftWord服务器7 W/ p3 b% p# i3 l# [) V4 G
1.3.2 建立Word文本文档* w; C9 B2 s4 `) ]/ G j+ {! c
1.3.3 插入表格8 ]0 q/ \$ Z+ |' H+ a
1.3.4 插入图片
1.3.5 保存文档
1.3.6 完整代码
1.4 案例2：利用MATLAB生成EXCEL文档) ~9 D1 c+ {( s, g
1.4.1 调用actxserver函数创建MicrosoftExcel服务器0 N0 t; ^" G7 Q6 u2 @
1.4.2 新建Excel工作簿9 J) G; W* p" V+ @) T0 g
1.4.3 获取工作表对象句柄
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+ J" x' J" C# M' M+ v) s
1.4.7 设置行高和列宽9 H3 [, d; ]! |- F
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* g% I3 {/ }0 d+ ?+ J' y: [
1.4.11 写入单元格内容
1.4.12 插入图片. d+ q; U8 |5 g9 ?, g, R% X
1.4.13 保存工作簿. V! }4 q) e4 E6 K* A' r
1.4.14 完整代码; k3 v; W+ }+ g/ I" a' W
! x& T) W, V1 z# r3 l- d3 U; O
第2章 数据的导入与导出( p* z5 ^# N1 ]0 l/ B- X" x
2.1 案例3：从TXT文件中读取数据+ d& o3 o+ X7 \6 V; v7 H+ {7 i
2.1.1 利用数据导入向导导入TXT文件! q2 ?4 |0 q( x* n" H0 d$ Y
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 T1 O o8 a1 n& ]) \
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
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
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! z8 N9 v2 m, y! J
2.4 案例6：把数据写入EXCEL文件0 w0 a. @" w/ r( G
! F/ K2 m2 T2 H' I N6 i
第3章 数据的预处理. S0 J3 G! l$ ^. P
3.1 案例7：数据的平滑处理4 o* J; `- u( v0 E% y
3.1.1 smooth函数
3.1.2 smoothts函数: M/ {- Z( {, `1 C, }3 [
3.1.3 medfilt1函数
3.2 案例8：数据的标准化变换
3.2.1 标准化变换公式
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
3.3.1 极差归一化变换公式- l5 O! t: Q3 N, k
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" A) q) F, M8 B( |+ u
4.1.1 均匀分布随机数和标准正态分布随机数/ w- K% C( Y2 R* G, {
4.1.2 RandStream类: w9 q$ R1 V1 R; F% R3 z
4.1.3 常见一元分布随机数( ?- L: d* G& b# V) u; y4 Z
4.1.4 任意一元分布随机数( H# c/ }+ w2 |
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
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& S/ R3 ?4 h; ?
4.3.5 街头骗局揭秘
第5章 参数估计与假设检验
5.1 案例13：常见分布的参数估计) c" j1 d0 `. P$ K. O% v/ A9 L
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
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( m+ ^0 j7 z/ W! g* s c
5.2.4 总体均值未知时的单个正态总体方差的检验1 |: m/ h' B6 Z9 W
5.2.5 总体均值未知时的两个正态总体方差的比较检验
5.3 案例15：分布的拟合与检验! i5 B+ g+ ?: K# F
5.3.1 案例描述" u9 G: o! w- O' B9 ~8 I
5.3.2 描述性统计量
5.3.3 统计图
5.3.4 分布的检验( O q9 F9 K' ]3 y+ u
5.3.5 最终的结论; ~+ _. B$ |6 q. d/ m1 m: R b
5.4 案例16：核密度估计: v+ u3 J. t$ } I* q
5.4.1 经验密度函数
5.4.2 核密度估计4 @! f7 ~. ?# V3 A3 I
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 N. |6 |* p, M/ G
第6章 COPULA理论及应用实例8 @# i! T( i3 x
6.1 COPULA函数的定义与基本性质
6.1.1 二元Copula函数的定义及性质) [' q. p) U2 t+ N C8 E
6.1.2 多元Copula函数的定义及性质
6.2 常用的COPULA函数! p! k4 a! H# l! F! }. d9 [
6.2.1 正态Copula函数
6.2.2 t-Copula函数! L! i) N/ c. i
6.2.3 阿基米德copula函数1 l5 h5 L8 A( W1 {: `, s& u
6.3 COPULA函数与相关性度量
6.3.1 Pearson线性相关系数
6.3.2 Kendall秩相关系数
6.3.3 Spearman秩相关系数; ]1 I/ ~6 Q, w
6.3.4 尾部相关系数
6.3.5 基于Copula函数的相关性度量( v2 v" B$ @, b: p& r" ^
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5 X; U5 e# M5 Z, W$ m5 [
6.4.1 案例描述% n4 d7 U! u' d: Z3 Z
6.4.2 确定边缘分布% T# B9 ~* K0 F( f0 u) V
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
6.4.6 案例的计算与分析3 C0 f: | k, ~3 O! F
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# v: u. ?6 d$ ~9 D1 t6 b
7.1.2 案例分析
7.2 案例19：双因素一元方差分析5 S: r$ g( `* i0 C
7.2.1 双因素一元方差分析的MATLAB实现
7.2.2 案例分析7 c# c0 P8 ]* K- C/ {
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
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
7.4.2 案例分析
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# L7 C5 X9 L d- \
; p# j2 H+ |6 P" C- y5 d' \% R
第8章 数据拟合3 ^ A$ i: p8 d5 m; m/ r
8.1 案例23：一元线性回归分析( ~% W. m; i7 l6 K/ G4 e
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4 l- ^1 L) q' V( m
8.1.3 调用regstats函数作一元线性回归分析2 A4 g. Z: W0 h" d" D6 w1 d0 O/ S
8.1.4 调用robustfit函数作稳健回归( Y; r# i1 b! S; Q# Q8 ^- M
8.2 案例24：一元非线性回归分析. p; F# E( [4 ~8 f
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* ^ N4 K9 o+ i7 j
8.2.3 利用曲线拟合工具cftool作一元非线性拟合- x7 {( e3 L4 T3 |# y+ v' W
8.3 案例25：多重回归分析. r2 ` Z. c! y
8.3.1 调用自编reglm函数作多重回归分析* k5 J8 }/ _% W, ?" j
8.3.2 调用stepwise函数作逐步回归
第9章 聚类分析' D, A" {4 H+ X0 v5 b& s5 e4 @
9.1 聚类分析简介5 E& Y1 K7 C2 r; F# {/ V) b- j
9.1.1 距离和相似系数3 \" U" d. x" p) J$ \' _( K
9.1.2 系统聚类法- F( g/ q) u" g6 g3 J* X; u$ h( B
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
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, V ^2 d! ?3 Q$ [9 g
9.3 案例27：K均值聚类法的案例分析: x$ B* t% N5 s, {% [! E/ R
9.3.1 K均值聚类法的MATLAB函数2 z* X l. j2 z& x6 l
9.3.2 K均值聚类法案例5 U, P" Y' Y8 O- s- T9 [
9.4 案例28：模糊C均值聚类法的案例分析2 X3 \$ z" Z" W
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
" {+ Z4 E+ R. Y9 t
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+ z: S, o) l1 |( b
10.2.1 classify函数0 Q7 e" |9 T: C- \' Q- d8 O1 a2 ?, d
10.2.2 案例分析+ j8 Y- \$ F7 Q/ V
10.3 案例30：贝叶斯判别法的案例分析0 H/ j; I' I# [6 m( f g {+ O
10.3.1 NaiveBayes类
10.3.2 案例分析9 L1 @* ~5 n9 ~% u
10.4 案例31：FISHER判别法的案例分析
10.4.1 Fisher判别分析的MATLAB实现
10.4.2 案例分析
# k9 p; ^3 U) x5 j3 y# U
第11章 主成分分析) Z5 l/ e; ]) b
11.1 主成分分析简介
11.1.1 主成分分析的几何意义6 a5 ]$ a; \% w) b$ W0 Y% b1 v4 R% Z" ~# q
11.1.2 总体的主成分1 P1 _! q9 Z" T* i# O) u1 b' j% Q" `$ \
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
11.2.1 pcacov函数, l' R) l# P+ b. e3 s
11.2.2 princomp函数
11.2.3 pcares函数
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2 F+ {# k! O& H" S5 e# |1 J# G# [
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
11.4.3 调用pcares函数重建观测数据
( g# p( K1 m- i
第12章 因子分析
12.1 因子分析简介9 w1 \: F8 o# _
12.1.1 基本因子分析模型. f. T: Q' k& i4 o, n$ 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
12.1.4 因子旋转 g* q' J3 ^3 @. C
12.1.5 因子得分
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/ W. X, l1 Z1 ~. W5 }% d9 g
12.4 案例35：基于样本观测值矩阵的因子分析) }- `0 A2 m- H: a1 w# f
12.4.1 读取数据& y* f* V8 b+ H
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
1.1.1 案例描述9 n- U* G& q: X5 Z3 O
1.1.2 重建图像数据" G: g' t8 n3 @+ R x4 f; B
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$ @: X8 c% ~9 M0 E; w: q4 I' y
1.3.1 案例描述
1.3.2 中位数算法原理; H0 j& E( {0 B _ c" B) \! V
1.3.3 本案例的MATLAB实现一% Z6 A- v. r$ n7 u6 S* n
1.3.4 本案例的MATLAB实现二/ y- [' W9 J/ M3 Y6 c" {
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
1.4.2 创建朴素贝叶斯分类器对象0 a2 V3 N$ x3 _, ~, U# c% H6 p$ `' g
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$ K& S' z* y" ] N
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# A( y! r: C) B. b! f
《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)