; R0 i5 d* W* E3 ~. |! r2 M
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。; Y$ {+ p( O$ u3 D" M
前 言：5 d3 g3 k @) H! S* w0 q+ t
; M8 ?9 `, D& P+ q6 V! C
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？) G& Y1 R) F4 O& o3 C: x: ?2 q. U
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：
第1章 利用MATLAB生成WORD和EXCEL文档
1.1 组件对象模型（COM）; u" ]! i5 @" \8 N# ]
1.1.1 什么是COM0 p) q% B+ r# p( r
1.1.2 COM接口
1.2 MATLAB中的ACTIVEX控件接口技术& \3 v: Q& b$ p" o+ C
1.2.1 actxcontrol函数/ W. y% k; F1 `3 j/ Z4 d
1.2.2 actxcontrollist函数
1.2.3 actxcontrolselect函数
1.2.4 actxserver函数5 y3 E# z- f! w- T0 i: z2 x' I1 Y, z
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
1.3 案例1：利用MATLAB生成WORD文档$ I8 D7 ~% n2 K( w2 }, |1 N: K \
1.3.1 调用actxserver函数创建MicrosoftWord服务器5 _# r! g; m r7 k
1.3.2 建立Word文本文档
1.3.3 插入表格3 V; O5 |3 p* E* ^4 n T$ |; Y
1.3.4 插入图片
1.3.5 保存文档: c! W$ X' i' D8 w9 @
1.3.6 完整代码
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
1.4.2 新建Excel工作簿
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9 Q# i% y; s4 Y# F3 A
1.4.6 选取工作表区域
1.4.7 设置行高和列宽( d$ h3 n! h) F( p, C
1.4.8 合并单元格
1.4.9 边框设置3 Q6 r/ D$ ?9 g4 X$ [8 u6 m6 V/ w
1.4.10 设置单元格对齐方式/ O0 Y0 K6 i: m0 { s
1.4.11 写入单元格内容
1.4.12 插入图片& r+ L* b- ?. N/ ?1 M* F
1.4.13 保存工作簿" }% T! r* H+ m6 ^& Q
1.4.14 完整代码
第2章 数据的导入与导出
2.1 案例3：从TXT文件中读取数据! q* S _9 H+ R
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+ [9 O8 H( Z* |! ]$ B
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' P4 ]. C. O8 `% S
2.2.1 调用dlmread函数写入数据" d) W V+ q# Q$ m( I" R+ A
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' A! k/ I4 V5 A. Q3 S
2.3.1 利用数据导入向导导入Excel文件- A$ v* D+ y& |& R. G4 v% v
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
第3章 数据的预处理; l, a# }# v/ l7 n; m) r4 ~
3.1 案例7：数据的平滑处理$ A( Q. l( U$ C+ k8 ?
3.1.1 smooth函数, G) j8 v8 }2 {5 O
3.1.2 smoothts函数
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' I; {1 _9 d2 _* \" ^6 ^# i
3.3.2 极差归一化变换的MATLAB实现- n) k: Z! {- p5 L8 s1 R
第4章 生成随机数$ z- x: `% s" ^ i0 L6 w
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 g1 E" E( V1 }! Q: |+ J9 `) N
4.1.2 RandStream类# j. K. s$ @) z. E
4.1.3 常见一元分布随机数
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0 F1 r& Q& C6 A
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% P( [$ }. G" b. [; q2 \6 k
4.3.3 用蒙特卡洛方法求圆周率$ w! U* r' x+ o0 c1 Y' }+ E2 C
4.3.4 用蒙特卡洛方法求积分# D# o2 }* M/ s& T
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
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+ X, ]+ C& e3 o+ N2 _
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
5.3 案例15：分布的拟合与检验8 S$ _* W5 W$ C* F
5.3.1 案例描述- k% {+ E! G; f7 n& n* c
5.3.2 描述性统计量7 S7 w# [- S7 V) C% K7 Z' ]
5.3.3 统计图
5.3.4 分布的检验" a/ o0 Q3 D+ |
5.3.5 最终的结论
5.4 案例16：核密度估计7 T7 j# X+ {( E! m1 Q
5.4.1 经验密度函数
5.4.2 核密度估计1 O$ {/ K9 _* F8 Z, z; F
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( ~/ f$ j+ {$ b/ D( T* m! U j
8 l. i7 t1 u+ i% G8 @
第6章 COPULA理论及应用实例
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
6.1.2 多元Copula函数的定义及性质: S' k6 f- ?4 @: @
6.2 常用的COPULA函数2 E1 `# [( b+ O# \
6.2.1 正态Copula函数
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# l+ o8 [9 y5 I+ l& |
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6 U( E5 n- V) c4 F9 A, ]% Y
6.3.4 尾部相关系数$ y! j+ a/ G% N' c3 v/ Z) l1 J2 S
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& P9 v. [ x3 c( ~( [
6.4.1 案例描述. [/ a: ?. Z0 ]
6.4.2 确定边缘分布
6.4.3 选取适当的Copula函数: h' Q, b) U$ K$ ]5 G3 U! A+ a
6.4.4 参数估计
6.4.5 与Copula有关的MATLAB函数1 U1 O* M k7 V; ~9 S9 w0 ~( D
6.4.6 案例的计算与分析( E/ O/ b, R$ k2 E0 V Q( u) E
: |5 u' \" L. Z' Z, p/ s! \
第7章 方差分析
7.1 案例18：单因素一元方差分析& p5 a' K0 I% u* D6 D- V9 }' H+ M
7.1.1 单因素一元方差分析的MATLAB实现
7.1.2 案例分析
7.2 案例19：双因素一元方差分析$ j! `. }$ t" G) r! n) e
7.2.1 双因素一元方差分析的MATLAB实现$ E2 r3 i$ n4 T, O% _& k
7.2.2 案例分析
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. y/ z& x, n9 L7 X4 X
7.3.2 案例分析一6 K7 l; o) V( n2 C) ~* j, U7 A" C
7.3.3 案例分析二
7.4 案例21：单因素多元方差分析0 e6 S- K) N! ?% j5 W9 z
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 Q' ~ e4 G, `$ y" B& K& q
7.5.2 Kruskal-Wallis检验的案例分析6 T1 s1 W8 { j3 W7 m
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" u" f+ ^( K# v* {0 }( Q
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" p' E9 B, M* c5 N
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! m* }. v- e& {2 B7 Z
8.2 案例24：一元非线性回归分析
8.2.1 数据的散点图* W" K! L4 u4 t$ U" l
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' i0 s1 |; _1 y9 D5 y
8.3.1 调用自编reglm函数作多重回归分析
8.3.2 调用stepwise函数作逐步回归
8 X# k2 k' ~; A& O( S
第9章 聚类分析' E9 L- T) w& v; z0 h
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- p5 C0 T# D3 \( l4 y% o: H/ _1 Y) Z
9.1.3 K均值聚类法
9.1.4 模糊C均值聚类法6 D/ \1 f7 i8 W3 ?
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
9.3 案例27：K均值聚类法的案例分析3 a2 s# R5 C1 \/ W _( O/ `6 t7 V
9.3.1 K均值聚类法的MATLAB函数
9.3.2 K均值聚类法案例# X* h1 Q0 o6 U. |! N5 m, h) Y7 \
9.4 案例28：模糊C均值聚类法的案例分析
9.4.1 模糊C均值聚类法的MATLAB函数& _$ y- v+ g7 m7 H: n- g
9.4.2 模糊C均值聚类法案例3 B7 I# v& @# ?$ P9 Q, W
3 a) b8 p9 A" B a" S! T$ f( z
第10章 判别分析) R& R# Y/ B4 F- ^ ]2 S6 V
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" P/ M7 P$ O4 g& c
10.2 案例29：距离判别法的案例分析+ x4 b+ Y% o/ q; y
10.2.1 classify函数
10.2.2 案例分析% ^/ S) V% K3 }0 K n7 s" e
10.3 案例30：贝叶斯判别法的案例分析( r/ l5 e- k# d6 W0 Y% P8 g
10.3.1 NaiveBayes类) o( K" M9 w% g
10.3.2 案例分析) H+ I' u; p! m! D! n3 s, E
10.4 案例31：FISHER判别法的案例分析- h2 l' h# N5 k& F" Z3 L( u z$ m
10.4.1 Fisher判别分析的MATLAB实现
10.4.2 案例分析" y( [3 i# K( n6 `0 n3 s6 A
6 l/ l, ~% f: K3 P$ Q7 }
第11章 主成分分析; D$ i; r+ V5 @% q% p! Q5 P& P
11.1 主成分分析简介- o. T* [5 K6 l6 d# d% E n
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6 U: ]- W% e6 Q9 R; h
11.1.4 关于主成分表达式的两点说明- m* \4 _) z. J( z
11.2 主成分分析的MATLAB函数. k* I" ?0 p& d4 M7 r) |: L0 q
11.2.1 pcacov函数
11.2.2 princomp函数, T. Z4 F' F; c% ^* b. A$ A9 L
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6 T X" D. H3 ~, x) v. Y% b
11.3.1 调用pcacov函数作主成分分析
11.3.2 结果分析( b: t1 y) ` ?0 H: J" \, i: s4 w
11.4 案例33：从样本观测值矩阵出发求解主成分2 `( |, m8 E c( E
11.4.1 调用princomp函数作主成分分析
11.4.2 结果分析, H J& S l+ A/ O5 m7 P
11.4.3 调用pcares函数重建观测数据
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
12.1.2 因子模型的基本性质! Y, V6 S d" m5 l/ a' W* m
12.1.3 因子载荷阵和特殊方差阵的估计) f7 [- }" c- u) S/ A# _0 w2 ]
12.1.4 因子旋转' v! I1 Z% U! Q
12.1.5 因子得分 Q* J! T# T/ X& f7 j& a3 N
12.1.6 因子分析中的Heywood现象
12.2 因子分析的MATLAB函数# @# ]5 w: s" n( g( r4 T0 e
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
12.4.1 读取数据. Z0 \' L' `8 J8 Y9 p) `* a
12.4.2 调用factoran函数作因子分析( [4 e- g$ ?% ^% q) M2 m
6 E! L4 ~* E. U( Z; }
附录A 图像处理中的统计应用案例* h' M! P/ L, N0 @
案例36：基于图像资料的数据重建与拟合
1.1.1 案例描述( I* |4 ` t C& _
1.1.2 重建图像数据& D( @( U+ _1 t$ G d5 \. H
1.1.3 曲线拟合
案例37：基于K均值聚类的图像分割, R9 H8 L: M9 _, z/ S
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$ ~2 E1 s9 d1 u9 Y4 [' _& _! N, M& M
1.3.1 案例描述
1.3.2 中位数算法原理( M7 T! K |' Z; a* Q* z' U
1.3.3 本案例的MATLAB实现一
1.3.4 本案例的MATLAB实现二
案例39：基于贝叶斯判别的手写体数字识别/ i# P! ]/ B' p2 P9 N4 B' D
1.4.1 样本图片的预处理% z/ e# G5 A( i; q- }% q7 @
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 }( A8 X/ i( `+ g; s1 ~
1.5.1 基于主成分分析的图像压缩与重建原理0 P, [! ~; `7 c' k3 X9 A
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)