《MATLAB统计分析与应用：40个案例分析

liyan1259

内容简介： ! T9 K$ O1 ^, F 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。 & Q$ t8 p8 d; n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。 : Z9 c. u$ g/ ~2 y' Q ) D* m' A/ H' k+ X: ]+ @1 n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？ 2 N, R9 u4 ~+ v' r; l $ W4 B" }  F5 D1 V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。 ( ?8 Q- _" s2 j( W8 i" L目录： 第1章 利用MATLAB生成WORD和EXCEL文档 ) m' Z  r0 M( u, A' ?1 S2 R& V+ x1.1 组件对象模型（COM）     1.1.1 什么是COM 8 [; i. J: C6 I0 v; e$ x    1.1.2 COM接口 " b! {5 f& k8 u7 N4 C2 U: B1.2 MATLAB中的ACTIVEX控件接口技术     1.2.1 actxcontrol函数     1.2.2 actxcontrollist函数 5 @: o7 }1 d! n  f' U    1.2.3 actxcontrolselect函数 1 ?& S& S5 U) Z7 g+ x    1.2.4 actxserver函数 6 y/ K" P2 Z' |; S    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     1.3.3 插入表格     1.3.4 插入图片     1.3.5 保存文档 : E8 ^( V5 Q8 b    1.3.6 完整代码 1 X( E4 m) v) [* _1.4 案例2：利用MATLAB生成EXCEL文档 8 T7 H/ h4 I9 ^  }( W) I0 D: y    1.4.1 调用actxserver函数创建MicrosoftExcel服务器 3 L2 l0 I3 h# k: E    1.4.2 新建Excel工作簿 $ r' w/ p0 r) j  g/ l    1.4.3 获取工作表对象句柄 # v1 i0 b6 l! N    1.4.4 插入、复制、删除、移动和重命名工作表 7 T0 [% [2 }% H- L    1.4.5 页面设置 / \% r! J% o( M' r    1.4.6 选取工作表区域 4 y% V& i8 W$ c0 U    1.4.7 设置行高和列宽 ' f( [0 f. Y5 T; ]( a    1.4.8 合并单元格 . ~% F" m# `( C& R  a    1.4.9 边框设置     1.4.10 设置单元格对齐方式 ! q; g8 O( Q" Z1 B0 B    1.4.11 写入单元格内容 ( x( ^# P. a( u% {    1.4.12 插入图片     1.4.13 保存工作簿 % N& o4 P5 G: E# R+ Z2 f2 y* k& P7 Z7 ^    1.4.14 完整代码 ( v# h# ]3 `/ U3 {0 L9 v. t 第2章 数据的导入与导出 5 L2 Q' u  r+ }, b% ~7 z% ~/ ~% c2.1 案例3：从TXT文件中读取数据 % P+ k* z* W3 d, w+ y3 ?    2.1.1 利用数据导入向导导入TXT文件 # c0 V& G! o0 S* z! T  D    2.1.2 调用高级函数读取数据 ' C. Y) }8 D' Q( W  J    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 ) x/ q$ A7 G1 C7 V4 L* |; r. y) z    2.2.1 调用dlmread函数写入数据 ( V0 E5 Z1 }( O# e$ p" T% s3 k% I    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 ) p! P) @+ B  l    2.3.2 调用xlsread函数读取数据 / i; M, h8 F" @0 `3 k  r, ^2.4 案例6：把数据写入EXCEL文件 % l/ K0 q5 S0 o7 u 第3章 数据的预处理 + w! k& L: q3 `+ Q3.1 案例7：数据的平滑处理     3.1.1 smooth函数 5 F: }) V1 G: a; j6 K    3.1.2 smoothts函数 ) H* P  h( v+ r, O. n7 B    3.1.3 medfilt1函数 + s9 ~/ u3 J, J" E2 C) c7 A+ h  D3.2 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 6 i" k3 @0 \. R3 x3 {4 K& h& X    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 % ]8 |' Y  Z" M第4章 生成随机数 9 `5 C, o/ G2 h# W$ X5 c8 K4.1 案例10：生成一元分布随机数 # c: f3 ^7 M' r3 ~7 Z4 O    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 ' n) i  D, U" u5 ]% X1 F    4.1.3 常见一元分布随机数 9 {! V' E! K* k, s    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 3 D6 I! Z) V1 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 # v& v2 q, W% K" ]7 `  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 / h% p$ s# c6 K3 t9 N, y  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 # U. N$ ?: Y5 y& I" `$ A9 G: X    5.2.1 总体标准差已知时的单个正态总体均值的检验 9 g/ g" x% i. K8 Y, P    5.2.2 总体标准差未知时的单个正态总体均值的检验 4 M1 @. R& X2 e/ A    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 1 Z! A" p9 G  e1 L* U% `4 z    5.2.5 总体均值未知时的两个正态总体方差的比较检验 ; U4 s" |- a% R( b5.3 案例15：分布的拟合与检验 ! z+ b7 w* O4 j/ s# h- ^    5.3.1 案例描述     5.3.2 描述性统计量     5.3.3 统计图 % e+ U5 q+ h3 i0 G7 L8 \    5.3.4 分布的检验 7 T0 Y- g' M/ f1 T+ K* B& K    5.3.5 最终的结论 & e7 H1 F8 r* T* C+ m/ g7 c: s* x5.4 案例16：核密度估计     5.4.1 经验密度函数 5 y5 H& o& d, M8 D2 y2 h. t0 U    5.4.2 核密度估计 . R$ G  A1 [) h# G) M/ `    5.4.3 核密度估计的MATLAB实现 : y$ \' e! f- d* n% L    5.4.4 核密度估计的案例分析 - J. b( e6 }5 q( o1 q2 `4 T- x0 ^ 8 K2 D) y9 P, q6 e% T4 Q第6章 COPULA理论及应用实例 % b! U; ^; E9 b2 Q, R2 x" g! l6.1 COPULA函数的定义与基本性质 " S+ d7 F1 `  y) [! y7 l, {    6.1.1 二元Copula函数的定义及性质 4 Y/ [2 @9 e( w- s    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     6.2.2 t-Copula函数     6.2.3 阿基米德copula函数 8 N1 `+ W& n2 v) `8 p8 h- J& |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     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 2 e9 s* v) o; T' F$ ?8 e9 k' Z2 A6.4 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 # O/ L- {* K: U7 O: w    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 / Q0 T( _4 K8 D第7章 方差分析 % @5 [+ g1 e- ?) L+ }! W7.1 案例18：单因素一元方差分析 ' T  }% M3 n# K8 W3 H. p0 B5 L    7.1.1 单因素一元方差分析的MATLAB实现 ( U* |. f3 X9 g# j    7.1.2 案例分析 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 * q% W$ ^) q7 e' k" R  m. s$ k    7.2.2 案例分析 7.3 案例20：多因素一元方差分析 1 J1 g: I  f% b% n% J& S0 P    7.3.1 多因素一元方差分析的MATLAB实现 8 c) |2 O( {8 Y5 f  Z! E    7.3.2 案例分析一 2 ~6 n% U9 n/ d    7.3.3 案例分析二 7.4 案例21：单因素多元方差分析 # W2 u! O2 _9 Z    7.4.1 单因素多元方差分析的MATLAB实现     7.4.2 案例分析 " {9 d" t3 ]3 N5 H( _/ j7.5 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 . U, b" Q; v! A. ~* J    7.5.3 Friedman检验的案例分析 ! t0 K5 k$ e1 _+ H  D: g9 V 7 N" y. L6 x+ x+ Y& N! S! ~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 8 I; V  n% p4 s* j7 n    8.1.2 调用regress函数作一元线性回归分析 # z' `( S: e: M0 l  t% _1 e    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 8.2 案例24：一元非线性回归分析     8.2.1 数据的散点图 : c: @7 `: E) d) v. k* a% K, z    8.2.2 调用nlinfit函数作一元非线性回归分析 " o- }* J9 M, }    8.2.3 利用曲线拟合工具cftool作一元非线性拟合 & v- ?1 p0 V+ ~2 u; Z9 m8.3 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 . m. Y* @. O6 I6 L5 Z ' G' j0 V$ H2 t& s7 B+ C8 A$ M第9章 聚类分析 ; Z! l. m  F' ?9.1 聚类分析简介     9.1.1 距离和相似系数 1 W# f) s$ W3 R: h' @5 M: ?    9.1.2 系统聚类法     9.1.3 K均值聚类法 ) k# `( h, z3 ?0 w  z5 c3 g    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 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 ( S) ?: [5 g$ o( v    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     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 * j9 b, n) R2 d2 ^$ I" V! ?1 z3 l 0 E: C9 }4 L) t* }! e第10章 判别分析 7 z/ c# @% q& T% m8 p10.1 判别分析简介     10.1.1 距离判别     10.1.2 贝叶斯判别 ' D9 m2 m' ]: }3 Y, A    10.1.3 Fisher判别 5 {( |/ ~8 O* l10.2 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 8 x! `+ @% d4 K7 z$ {7 \" ]10.3 案例30：贝叶斯判别法的案例分析     10.3.1 NaiveBayes类     10.3.2 案例分析 . r% o$ h. T5 {: J+ v; h10.4 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 # X8 b% A9 U. G6 k$ ^! \9 Q8 ^ 8 a" ?# a1 c/ i$ f5 `第11章 主成分分析 11.1 主成分分析简介 1 V( |: B8 [- l4 A. Q    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 + `  @. @' ]( t    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 " G5 c% C1 B/ p" {$ G4 k. ^    11.2.1 pcacov函数     11.2.2 princomp函数 0 D3 g+ m, K  k* q6 u    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 & l' l& X+ v/ M) t% N    11.3.1 调用pcacov函数作主成分分析 3 h) Q+ n9 B0 \8 e: X, z, Q' v    11.3.2 结果分析 5 a; G' _9 j9 Q$ C11.4 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 9 ]$ d1 O4 Q. J: O$ n    11.4.2 结果分析 4 G6 P8 I. G  C" O+ ^+ Q. Z    11.4.3 调用pcares函数重建观测数据 % q& ?3 F2 d) ?8 q% u8 r$ }+ Y 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     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 + a, |/ c. F& c5 R4 b3 e5 k    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 ; s+ K; k) A& ?    12.4.1 读取数据     12.4.2 调用factoran函数作因子分析 7 N" Y$ w" p& @/ n - D- e$ g3 i% l+ M: a8 z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 # k. u0 V  c: n) _& `, ^    1.1.1 案例描述     1.1.2 重建图像数据 2 \4 ?& |& q4 R- {& R4 {7 a$ U    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 8 T9 W! R) D( l    1.2.2 真彩图像分割案例 1 Y* I  H3 d* q0 T- K9 x案例38：基于中位数算法的运动目标检测     1.3.1 案例描述 7 a  Z6 e; ^# c4 A  L+ N" S    1.3.2 中位数算法原理 : J  V" y6 \% S2 U) \# Z    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 0 g/ H: {( e7 Z5 j/ d. ^    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 x1 X/ V& d2 s    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   f  ~! K5 e( e# Q1 e    1.5.2 图像压缩与重建的MATLAB实现 - ~% w, b9 I* r* K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) 2015-12-1 09:42 上传 点击文件名下载附件 售价: 2 点体力  [记录] 下载积分: 体力 -2 点

5 ^, \8 {% ^% ~& a4 @7 m

Double_L

一个？能打开吗？