: S# U- Q, e3 |0 l
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。& i% P* Q7 Q/ k, `2 W
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' m8 v7 u6 F1 } v5 L5 c
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？
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 B0 z+ B; z1 t( W4 f0 ^2 t
目录：0 ]- ^8 c8 W: A0 \4 D5 V
第1章 利用MATLAB生成WORD和EXCEL文档
1.1 组件对象模型（COM）4 s! O( K* n& y
1.1.1 什么是COM T3 ?, o5 ~6 r! v$ {
1.1.2 COM接口2 _) ?' g6 d C1 {( y
1.2 MATLAB中的ACTIVEX控件接口技术8 m! ^3 [, a; D+ A; J
1.2.1 actxcontrol函数
1.2.2 actxcontrollist函数* _7 W [0 Y' @: G
1.2.3 actxcontrolselect函数5 N# i; @; }9 y* D1 W
1.2.4 actxserver函数# t/ ^+ l1 t3 K4 ^
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
1.3.1 调用actxserver函数创建MicrosoftWord服务器
1.3.2 建立Word文本文档5 Q X! M N5 X, J; d, l0 n
1.3.3 插入表格
1.3.4 插入图片% R* R: \: L1 \8 F
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- W6 p. q. ^$ L1 N3 |" T. J# Q$ k7 s. v
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; F2 e( H8 P7 ^0 g, b
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& E7 P( r1 r [* [
1.4.6 选取工作表区域/ a/ P6 [- Z7 o
1.4.7 设置行高和列宽 v1 H, @& U, J2 c5 \. ?% h D8 `5 a
1.4.8 合并单元格4 Q" W* a; C/ T& c6 {
1.4.9 边框设置' y( u1 [5 m- R7 [, I' V
1.4.10 设置单元格对齐方式
1.4.11 写入单元格内容* g8 @) S1 P* E, d
1.4.12 插入图片
1.4.13 保存工作簿8 w8 F) F" E4 ~/ G
1.4.14 完整代码
第2章 数据的导入与导出+ ^/ @* M( Y- g' }" k3 L+ \# ]
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
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% Q9 p8 k& q, X% ], @9 ~, s
2.2 案例4：把数据写入TXT文件' D1 g0 Z( `( L
2.2.1 调用dlmread函数写入数据
2.2.2 调用fprintf函数写入数据" x& T3 E2 c! |+ ?7 Z, u. F s
2.3 案例5：从EXCEL文件中读取数据" _# r7 S' \# u, B9 B" ?
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# i* E6 i. |, |' x8 b& Q
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4 _4 d+ J6 a9 f- b3 r% C( L3 D
3.1.3 medfilt1函数
3.2 案例8：数据的标准化变换/ \9 g E6 s+ c$ ?2 L
3.2.1 标准化变换公式
3.2.2 标准化变换的MATLAB实现2 s/ a( x; G, y1 i2 [
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
3.3.2 极差归一化变换的MATLAB实现) Y) ?1 N# x0 O+ m3 \/ Z
第4章 生成随机数
4.1 案例10：生成一元分布随机数- d$ {: {* A1 j. x; ]
4.1.1 均匀分布随机数和标准正态分布随机数/ F5 R. N p+ |1 \; s4 n
4.1.2 RandStream类6 I. `, S$ ]( y
4.1.3 常见一元分布随机数
4.1.4 任意一元分布随机数" d L4 r, x% u2 r3 R5 X! w# n: N) h
4.2 案例11：生成多元分布随机数. N: a4 L5 Y0 r/ k- ~2 E" F
4.3 案例12：蒙特卡洛方法( }2 e3 D, L; M' M$ z) q; ?8 g/ a9 S
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8 I- J9 }3 p* @: F1 O
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5 J2 i/ U$ T# d
5.1 案例13：常见分布的参数估计 N1 {9 n9 g" f' L6 Z% [7 @
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, U: O" \* P. w- w/ T) h; _: [- e
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( r! ^, h* D$ R
5.2.5 总体均值未知时的两个正态总体方差的比较检验" b9 p0 ?- p3 ]9 U+ u
5.3 案例15：分布的拟合与检验7 r2 @6 B5 B5 O {. ?0 U
5.3.1 案例描述
5.3.2 描述性统计量" r* z( B0 e, d& Q
5.3.3 统计图( E! w! m+ S; L1 A# `
5.3.4 分布的检验
5.3.5 最终的结论( D0 e; S3 R2 B: P7 B
5.4 案例16：核密度估计
5.4.1 经验密度函数# {( c, V3 R* S1 t
5.4.2 核密度估计
5.4.3 核密度估计的MATLAB实现2 S j ~: K* c$ p' y
5.4.4 核密度估计的案例分析
第6章 COPULA理论及应用实例/ Y/ C5 p! B' \2 C" _
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) Y- g% y- Z; n3 s) z! k0 R3 L, \
6.1.2 多元Copula函数的定义及性质
6.2 常用的COPULA函数
6.2.1 正态Copula函数0 O& Q( \( G d: h/ i v& F
6.2.2 t-Copula函数% y9 r: `6 b+ B0 S& \) }
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
6.3.2 Kendall秩相关系数3 @( `' D8 C' ?
6.3.3 Spearman秩相关系数8 j" T2 A- J1 w" V- @
6.3.4 尾部相关系数7 P4 L- \7 f8 ?6 L. \8 ~% j
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! m1 h4 T) U; e, L* Y. ~
6.4.1 案例描述% c( u, M; d7 e' @" S& `1 C
6.4.2 确定边缘分布
6.4.3 选取适当的Copula函数" D& |9 N8 p) Z& ?- P7 k
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
第7章 方差分析
7.1 案例18：单因素一元方差分析4 [6 w) o! @5 R
7.1.1 单因素一元方差分析的MATLAB实现% E6 I8 T1 R& M
7.1.2 案例分析* O7 _. T0 C7 `# G5 h
7.2 案例19：双因素一元方差分析
7.2.1 双因素一元方差分析的MATLAB实现
7.2.2 案例分析0 l G/ S+ n: W7 i* _! D0 D
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+ n" L( Q/ F" K% V$ D* w
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$ W# D9 Q P. k$ |
7.4.1 单因素多元方差分析的MATLAB实现- O1 f( B% v6 x! [# ^
7.4.2 案例分析9 u% C U- w6 U) S; x* n
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! n. f/ c. {, q$ d ^
第8章 数据拟合
8.1 案例23：一元线性回归分析
8.1.1 数据的散点图$ D. `: z+ g* I% \" r: \6 o9 A$ m
8.1.2 调用regress函数作一元线性回归分析" i# ^4 n* Z% v: s; ~' f
8.1.3 调用regstats函数作一元线性回归分析$ d, w; x' I0 ^/ S) o1 Z
8.1.4 调用robustfit函数作稳健回归' F" |) A0 }3 w* ]7 {6 c; a, F) j
8.2 案例24：一元非线性回归分析
8.2.1 数据的散点图3 ~) t5 b. ?) z+ R4 @
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
8.3.2 调用stepwise函数作逐步回归
3 L( V; m8 k/ _. Q
第9章 聚类分析
9.1 聚类分析简介# T/ l: `/ p9 `! Q {
9.1.1 距离和相似系数: D2 h8 N) W) `3 Y
9.1.2 系统聚类法
9.1.3 K均值聚类法2 b& T0 d+ ~* R, I2 o
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: x) I# `5 ~, Z2 g" z
9.2.2 样品聚类案例& }& N/ k# B7 }5 H
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. M1 |+ k# H# p' q) |5 v0 I, i
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 Q, H6 t2 V% ^) G* s. _; c9 W& I
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
9.4.2 模糊C均值聚类法案例3 Y5 v( R Z2 ~0 \
( a# U3 k: ], A- l& [% C
第10章 判别分析, z9 q3 o, i# t6 m$ L
10.1 判别分析简介2 ^/ G7 g2 w6 F( _: r4 t9 v
10.1.1 距离判别
10.1.2 贝叶斯判别9 J* v3 U6 o8 o8 p
10.1.3 Fisher判别& e% l$ B" }1 K% Q/ M4 J) `
10.2 案例29：距离判别法的案例分析$ \$ H8 n6 `# ^0 `
10.2.1 classify函数
10.2.2 案例分析
10.3 案例30：贝叶斯判别法的案例分析* V0 h; e u- y7 A G& C
10.3.1 NaiveBayes类/ N# d2 I/ w; I3 h
10.3.2 案例分析% M* }- K6 F5 V
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
8 f1 c9 j/ F$ w7 b- ` b
第11章 主成分分析$ _" g, U* w" S- m6 U/ k
11.1 主成分分析简介5 V6 i3 l2 v3 @2 @
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+ _" e9 ^$ p) N/ y; c9 e
11.1.4 关于主成分表达式的两点说明3 z% V! q* D3 E% p
11.2 主成分分析的MATLAB函数
11.2.1 pcacov函数% {0 _5 g7 }$ w Q+ {9 R0 p
11.2.2 princomp函数
11.2.3 pcares函数5 I6 Q7 ]/ { u) F! e" B
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" j$ H K% {6 G$ o$ S8 g
11.3.1 调用pcacov函数作主成分分析
11.3.2 结果分析, v: d; ]: N- B$ T
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! N4 _& b1 A+ _+ C/ E- z3 h
11.4.3 调用pcares函数重建观测数据, x- }* s8 P" u$ p7 z/ N5 V
第12章 因子分析
12.1 因子分析简介5 G# G% }8 W x6 N$ J3 V9 I
12.1.1 基本因子分析模型
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
12.1.5 因子得分
12.1.6 因子分析中的Heywood现象1 S: I3 ~! W' x) G) }
12.2 因子分析的MATLAB函数" f- _, f# O$ L! e, \' D# x
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
12.4.2 调用factoran函数作因子分析+ {/ Q& ?" y7 H6 @
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
1.1.2 重建图像数据4 R3 ?$ T; V1 C, u) ]/ l% v* k
1.1.3 曲线拟合
案例37：基于K均值聚类的图像分割/ y. l7 b" y( m# o9 E, H0 n
1.2.1 灰度图像分割案例
1.2.2 真彩图像分割案例# x" d8 g1 K. B$ u0 v* G
案例38：基于中位数算法的运动目标检测
1.3.1 案例描述
1.3.2 中位数算法原理2 \+ O1 u+ ~2 O d
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2 z5 O+ _' D/ M# }
1.4.1 样本图片的预处理: w3 U' H. u4 ?9 `6 S3 Z g: E
1.4.2 创建朴素贝叶斯分类器对象' o# E% r3 I4 T+ T( t& A
1.4.3 判别效果+ [# D4 D" S. _# U. M, l# E
案例40：基于主成分分析的图像压缩与重建% k9 a3 k1 l4 Q, t4 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+ _/ e* @8 X& o8 J1 g2 F1 Q* _* W
《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)