《MATLAB统计分析与应用：40个案例分析

liyan1259

内容简介： ; y$ W: c6 J  j5 K0 Z. s7 L* h 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。 9 F' @+ W9 r1 t $ @- p# i- I# U1 A' W8 I- L" S前    言： $ `4 i; I9 P& ^* g/ x1 M " _; m$ C3 Y& ], H* N, I6 yMATLAB、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？ * q3 z+ @0 W" o8 V7 Z& `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。 ' N4 N+ ~3 V/ K9 P目录： 3 z2 D% z8 X5 V- f4 L第1章 利用MATLAB生成WORD和EXCEL文档 & }! W3 Q, U, |! W- K9 C1.1 组件对象模型（COM） , z: {+ Y  q' Z: m! {    1.1.1 什么是COM     1.1.2 COM接口 1.2 MATLAB中的ACTIVEX控件接口技术   F; y8 b" r9 G    1.2.1 actxcontrol函数 ' z/ G- r  A( \% p7 ]. R$ I    1.2.2 actxcontrollist函数 , U  ?- h* a0 j4 E    1.2.3 actxcontrolselect函数 : Q7 Q# X; O& Q* \' t8 T2 ?7 ]    1.2.4 actxserver函数     1.2.5 利用MATLAB调用COM对象 " a( Z# J6 Z" @. D    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 , f* b  L; h3 }0 v( \' q    1.3.2 建立Word文本文档 - {2 ?. |% @$ V( T- o    1.3.3 插入表格     1.3.4 插入图片     1.3.5 保存文档 ) [9 D2 F: Q8 j: R: R) p    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 8 I& t) T# S% g1 ]    1.4.4 插入、复制、删除、移动和重命名工作表 4 T5 A) S4 c6 Z- P. R    1.4.5 页面设置     1.4.6 选取工作表区域 ! d# D3 K  L- h* M# D& ?    1.4.7 设置行高和列宽     1.4.8 合并单元格     1.4.9 边框设置 " R* B' x# B8 x; F" c% O    1.4.10 设置单元格对齐方式 " r4 N8 r! c  e7 ~    1.4.11 写入单元格内容     1.4.12 插入图片     1.4.13 保存工作簿     1.4.14 完整代码 ' D( p- s; ]6 \1 p# S 第2章 数据的导入与导出 # P$ A* a  I# w3 y6 B( K3 r2.1 案例3：从TXT文件中读取数据 : ]0 X! S6 B7 D9 H9 g- l    2.1.1 利用数据导入向导导入TXT文件 ' \) ^4 l6 v& k  Z2 O    2.1.2 调用高级函数读取数据 0 p  c8 y3 \5 Y3 @- m* h( W; t# u    2.1.3 调用低级函数读取数据 7 C0 i" T7 T6 {  H. @3 Y2.2 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 1 n9 s. g( r8 e/ }8 Q- |9 Z) y2.3 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 0 b. k- R4 [5 O  F: I& o2.4 案例6：把数据写入EXCEL文件 % ?2 j; z# ?1 c0 t0 s " W' t  K/ M/ g* I2 C第3章 数据的预处理 & n; G* Y4 F" [3.1 案例7：数据的平滑处理 ( m0 o8 `' X3 `$ w    3.1.1 smooth函数 / i5 M8 L* h! t" \! }9 W    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 ) W' V" A' k( o/ x$ `    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     3.3.2 极差归一化变换的MATLAB实现 5 b, S3 a' h, B+ R5 ^2 o' G% D第4章 生成随机数 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 * _9 ~2 m1 n7 ?    4.1.2 RandStream类     4.1.3 常见一元分布随机数     4.1.4 任意一元分布随机数 * U  J- @! G. H" A4.2 案例11：生成多元分布随机数 1 f% w" `. n0 Q* X: C+ `4.3 案例12：蒙特卡洛方法 9 }& x! a! p9 f# ?: t+ A$ y# x# D7 |  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 + \# @( L& t. h) [0 ^; D  4.3.4 用蒙特卡洛方法求积分 . U. i( D# K9 m) }  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 8 {% m- h3 s  [* s    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 ( F' Q' S' o# |; h# y6 S# d8 C$ l4 ?    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 , A' W, n5 O# l    5.3.1 案例描述 + Y! c2 o5 V' V+ h5 U# |    5.3.2 描述性统计量     5.3.3 统计图     5.3.4 分布的检验 / ^6 y( O$ i" ?3 Y# k; i. v3 ?    5.3.5 最终的结论 5.4 案例16：核密度估计 " k& p8 H7 ^2 A! F) [! ~! F3 P& G    5.4.1 经验密度函数     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 1 Y7 X; K+ i: `5 r5 N) ?0 r 7 [- I/ c* L9 g4 c- [& S第6章 COPULA理论及应用实例 ! [% ]9 k$ t$ ~; |1 O; }5 H6.1 COPULA函数的定义与基本性质 1 T: \4 W7 q. K0 H: d. U    6.1.1 二元Copula函数的定义及性质 1 q7 i( F0 J* m4 c$ W+ j    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 ( F; `8 o! ]4 J* B    6.2.3 阿基米德copula函数 6.3 COPULA函数与相关性度量 / t: z" w; R; N  A# d    6.3.1 Pearson线性相关系数 % |) J% }' y6 @# G9 e8 Y, l! O  i    6.3.2 Kendall秩相关系数 1 ^) B( D# |  l- a+ I' L* N    6.3.3 Spearman秩相关系数     6.3.4 尾部相关系数 ' h$ c# c9 P. x& ^) Q    6.3.5 基于Copula函数的相关性度量 . q6 k' v' Q) s. I5 |) D    6.3.6 基于常用二元Copula函数的相关性度量 " G$ `* Y, ]! r, ]- j; v1 Z6.4 案例17：沪深股市日收益率的二元COPULA模型 2 s: u; t" D8 A2 W6 S    6.4.1 案例描述     6.4.2 确定边缘分布 2 o5 i8 n  q, H& Z9 S( E. r" X    6.4.3 选取适当的Copula函数 9 E! a' X( c: Y3 G    6.4.4 参数估计 ( c7 B' U* m2 n! X. E/ {5 ~$ j0 b    6.4.5 与Copula有关的MATLAB函数 * E* A3 s/ {; h# `5 ^; d5 o5 U# T    6.4.6 案例的计算与分析 6 C2 V. h2 K) [: S9 Q5 a6 N8 Y( R 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     7.1.2 案例分析 2 Z! {) ^0 \) `( r7.2 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 + ^0 }# F% c  }- o7 @6 r/ z    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     7.3.2 案例分析一     7.3.3 案例分析二 : i- D$ ?+ ~& F% n/ S7 P7.4 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 " I0 a, @! |* v  w    7.4.2 案例分析 % P; m+ c. L8 J7.5 案例22：非参数方差分析 1 W  C" K& ~( L: Y5 O: b3 u    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 7 P! B' {" t& Z$ P/ ], H8.1 案例23：一元线性回归分析 9 E6 z$ K# s, Z3 n( {) P    8.1.1 数据的散点图 6 w9 n# S1 l. Z* s3 `; R1 \    8.1.2 调用regress函数作一元线性回归分析 : H6 R3 |) X* g: |. w    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 % K- o& z8 c, o9 Z' v7 @8 P    8.2.1 数据的散点图 " |, u2 i4 O" S- [% d5 i9 X0 p    8.2.2 调用nlinfit函数作一元非线性回归分析 " M1 F) e1 m4 Q8 A9 Q  E! C, F; ^. J    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 - f1 d. q5 L7 p# {    8.3.2 调用stepwise函数作逐步回归 / W" T0 i: u) V. A  f 5 b6 x2 |3 U) X- }( @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 3 K0 P: w4 O! T5 [8 F    9.1.3 K均值聚类法 ' w; e" ]9 b3 X& t% F    9.1.4 模糊C均值聚类法 1 C; [, a0 R3 h( _9.2 案例26：系统聚类法的案例分析 ' p9 T5 C: s# j- r: _( l8 ~3 p5 a    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 ) w6 T. I. p) N* d! J. n9.3 案例27：K均值聚类法的案例分析 1 r1 U/ `4 r9 m  [" i1 k2 C7 q    9.3.1 K均值聚类法的MATLAB函数 % d6 u1 e+ o2 P    9.3.2 K均值聚类法案例   N6 p3 v2 @7 @9 l! z9.4 案例28：模糊C均值聚类法的案例分析 4 h9 p3 q) m- @# e2 C4 L  ~+ h9 F; K    9.4.1 模糊C均值聚类法的MATLAB函数 9 z6 ~, ]% K' c4 J    9.4.2 模糊C均值聚类法案例 8 _  c; J3 q* X7 w( s 第10章 判别分析 $ w* y; ?; K/ ?/ [6 L$ z+ Y10.1 判别分析简介     10.1.1 距离判别 * E+ M$ j' Q& ?+ Y6 \* p    10.1.2 贝叶斯判别     10.1.3 Fisher判别 ' \5 r, Y# f/ A- ]' U8 V# T' C/ G10.2 案例29：距离判别法的案例分析 $ I2 K, X/ H- W: E    10.2.1 classify函数     10.2.2 案例分析 , q8 Z+ l9 i& n$ A- H7 E10.3 案例30：贝叶斯判别法的案例分析 ( f( B$ Y% d. ]7 e. T5 \) Y* q    10.3.1 NaiveBayes类 / ^( q) k; R+ p. C/ s& y    10.3.2 案例分析   J" E1 `- i4 \$ h: ^, O4 C, A2 y10.4 案例31：FISHER判别法的案例分析 / ~3 H% _4 a( a! d    10.4.1 Fisher判别分析的MATLAB实现     10.4.2 案例分析 7 r# ^+ d# N* u 第11章 主成分分析 11.1 主成分分析简介     11.1.1 主成分分析的几何意义 . K* Y% O( _" h8 V2 G' S# ?    11.1.2 总体的主成分     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 * F. T9 ?2 l- O' a5 U11.2 主成分分析的MATLAB函数     11.2.1 pcacov函数     11.2.2 princomp函数 6 T- y) d3 F1 D# e1 v  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     11.3.1 调用pcacov函数作主成分分析 - d8 B; _# |: v3 ]    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 ( m! C" R" k" n! ?( `    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   C2 I) d+ k' K2 f# 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     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 & h5 s- G4 F/ b8 D0 l    12.1.5 因子得分     12.1.6 因子分析中的Heywood现象 . H( n. d5 ^, a2 y' }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 " h8 m; n9 T$ m: Y8 S6 N    12.4.1 读取数据     12.4.2 调用factoran函数作因子分析 * @3 M5 e* Y. _0 P) c 附录A 图像处理中的统计应用案例 0 T: N: E9 O3 @+ y( A; A, y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 + I1 ]9 a- C7 u7 T" K6 f3 y+ u7 w    1.1.3 曲线拟合 8 ~& z6 p' H& @! E" x1 j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 ) U9 u" m$ [; c* K1 }% V    1.2.2 真彩图像分割案例 3 q* R6 \" I0 l案例38：基于中位数算法的运动目标检测 # r* m/ F' a' E8 c3 |9 ^3 |( _! `7 l    1.3.1 案例描述 , F  O! v; u1 [: }, Q% y' e8 b    1.3.2 中位数算法原理     1.3.3 本案例的MATLAB实现一     1.3.4 本案例的MATLAB实现二 ( C, i: X4 n/ a3 y1 E( N案例39：基于贝叶斯判别的手写体数字识别 ! Y) X" h, p# p6 M) i+ [0 X" x    1.4.1 样本图片的预处理 " u' [) O' B. g" s6 ~    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 & b, m$ J& `" _9 f: R% l& X    1.5.1 基于主成分分析的图像压缩与重建原理 3 W1 C2 l- T: A% J    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) 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

# o6 D/ l6 q& A3 H( j9 ^8 Z

Double_L

一个？能打开吗？
: G+ |! x$ v' a+ l( m& }8 W