《MATLAB统计分析与应用：40个案例分析

liyan1259

内容简介： 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。 前    言： , F  r/ h. W, I8 E, z6 Z 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？ 9 p8 t( z( i" h# @ 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。 + Z  y' p- F7 E' ], Z目录： 0 K( c( H4 H6 p- Q( _/ \0 C第1章 利用MATLAB生成WORD和EXCEL文档 1.1 组件对象模型（COM）     1.1.1 什么是COM % G! Y* f/ [/ p9 o& j1 c! C) T    1.1.2 COM接口 1.2 MATLAB中的ACTIVEX控件接口技术     1.2.1 actxcontrol函数     1.2.2 actxcontrollist函数     1.2.3 actxcontrolselect函数     1.2.4 actxserver函数 & k& x8 v) y2 g: H6 F: V    1.2.5 利用MATLAB调用COM对象 " k3 `- L* E: b3 P$ O    1.2.6 调用actxserver函数创建组件服务器   X8 U; q: M, l  O8 O1.3 案例1：利用MATLAB生成WORD文档 & y! U5 L- D: J  O; f" F4 g. M    1.3.1 调用actxserver函数创建MicrosoftWord服务器 ) y& ^1 U+ O- z    1.3.2 建立Word文本文档     1.3.3 插入表格     1.3.4 插入图片 0 y; Y7 r3 G! o. l, n2 B2 c- K# p    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     1.4.1 调用actxserver函数创建MicrosoftExcel服务器     1.4.2 新建Excel工作簿 % l; e0 o' `1 P    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 / S- s: S$ X2 S    1.4.5 页面设置     1.4.6 选取工作表区域     1.4.7 设置行高和列宽 9 N, w: h! m" K! |- d* }* M( H    1.4.8 合并单元格 4 w4 j- c# t! ~; r1 Y. U' q, U6 X    1.4.9 边框设置 7 u+ {0 O) s( K. G2 d: L: T: a    1.4.10 设置单元格对齐方式 : B+ D! B5 X5 b. A( c  q  F    1.4.11 写入单元格内容     1.4.12 插入图片 , _% g" |9 b8 H: ]6 A5 h: {    1.4.13 保存工作簿 ) M" D1 `* e' i6 p, U. @, u* N    1.4.14 完整代码 & }( \/ e1 c; `/ h9 r第2章 数据的导入与导出 - l( m( S/ V* H5 n, A2.1 案例3：从TXT文件中读取数据 8 {& H% @4 @! Y    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 " z1 Z( S$ a2 m* y* C5 F    2.1.3 调用低级函数读取数据   `+ r3 \* p0 S: C0 t5 Z/ m2.2 案例4：把数据写入TXT文件 4 `# i& @9 o3 P0 q( k    2.2.1 调用dlmread函数写入数据 % y* E7 u  ~* t7 u0 a3 x+ s; v    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 ; Q7 Z+ d4 n9 h0 l    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 ! j8 `' h. e. ~; v# w1 y& }$ I  L" L 第3章 数据的预处理 3.1 案例7：数据的平滑处理 / L8 |0 h6 n/ `2 u6 s; T    3.1.1 smooth函数     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 ( z# n; z" \5 N/ S    3.2.2 标准化变换的MATLAB实现 ; C/ R* N8 E1 _4 j) D7 a3.3 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 ) D: W2 H8 \4 ^1 ~    3.3.2 极差归一化变换的MATLAB实现 ) T- ]: v% Y2 C# j' b& r) K' G 第4章 生成随机数 4.1 案例10：生成一元分布随机数 6 |  C& g8 A# s$ n) O7 Y    4.1.1 均匀分布随机数和标准正态分布随机数 ; M& {+ c" U# d; b    4.1.2 RandStream类 " a5 x# A9 C" ?) [    4.1.3 常见一元分布随机数     4.1.4 任意一元分布随机数 & E. A* W3 C: c0 z. b6 q4.2 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 : Y" I$ Q& h8 d9 I, O6 I9 h8 B  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 ( p8 g$ ^" |9 \" x0 j& T/ r) ?  4.3.5 街头骗局揭秘 ; E$ T0 b7 w6 Q9 B第5章 参数估计与假设检验 . }4 m" j9 z- D$ J- |4 N5.1 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 7 |# J9 r  G9 n: I. z- a    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 ) X# i$ z& S: E' J# S# a    5.2.4 总体均值未知时的单个正态总体方差的检验 8 o# Q9 S/ \7 j2 J& 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 5.3 案例15：分布的拟合与检验 ' N+ t  N8 ]1 C9 \$ S8 |    5.3.1 案例描述     5.3.2 描述性统计量     5.3.3 统计图 3 l8 n  x% s  Y/ p$ R; |    5.3.4 分布的检验 ! Z) @: a+ C& D( j5 k% R$ K    5.3.5 最终的结论 ) P/ f. s( p, s$ k* M9 x" P5.4 案例16：核密度估计     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 2 }' Z* G* r+ |0 b 第6章 COPULA理论及应用实例 & }! J, `2 D; ?2 e" H6.1 COPULA函数的定义与基本性质 , P1 I; D$ {) g5 \- _6 y, U    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 " K% Z* I- @/ J! s4 ]$ B8 D6.2 常用的COPULA函数 . I5 z3 _3 g7 R7 E* P    6.2.1 正态Copula函数 + Q. N6 V9 ^% ~& S" X  \# X    6.2.2 t-Copula函数 $ i8 _+ D1 y2 L2 `; K7 S  u    6.2.3 阿基米德copula函数 6.3 COPULA函数与相关性度量 : R6 G* x+ {1 _; T5 e/ R9 q    6.3.1 Pearson线性相关系数   s# S; _+ K$ S5 ~1 F    6.3.2 Kendall秩相关系数     6.3.3 Spearman秩相关系数 + B* c; r+ u3 o) n+ A' p' |- K    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 + m( d- b4 U/ v0 X* ?6.4 案例17：沪深股市日收益率的二元COPULA模型 % J) q3 R0 H2 D    6.4.1 案例描述     6.4.2 确定边缘分布 1 f( F% b9 \* Y9 t0 e7 X. L    6.4.3 选取适当的Copula函数     6.4.4 参数估计 % y4 Q8 x  r5 Z! }( f    6.4.5 与Copula有关的MATLAB函数 9 q$ F1 ]/ f# V; G0 T2 M    6.4.6 案例的计算与分析 ! j! X# S( g6 q0 B* ]! _第7章 方差分析 ' n* \( D4 [; p8 h; m4 T" x0 k7 N+ d7.1 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 , h) x9 k, Q1 X/ x) q2 Y( g    7.1.2 案例分析 7.2 案例19：双因素一元方差分析 7 I5 S# @1 `- n) O$ M    7.2.1 双因素一元方差分析的MATLAB实现     7.2.2 案例分析 ; ?) T( L( ?7 S! j8 C. b" o/ f% a7.3 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 5 @( _+ Q9 A2 t3 ]7 }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 . J6 \# x$ C+ V  |6 N: Q8 u    7.5.3 Friedman检验的案例分析 ! `$ C8 O3 s3 ?3 y2 ` 第8章 数据拟合 8.1 案例23：一元线性回归分析 ! p# F1 w& y+ y9 W# O3 d( Z    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     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 7 z. M7 s2 g$ G7 J    8.2.1 数据的散点图 1 u+ y; ~! f& }$ Q6 m9 r    8.2.2 调用nlinfit函数作一元非线性回归分析 4 J5 }! J# s# M; A8 G0 Y    8.2.3 利用曲线拟合工具cftool作一元非线性拟合 2 u7 x& G1 [" g% a! A* i9 ]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 9 Z. E( {  n7 e' w# T    8.3.2 调用stepwise函数作逐步回归 4 t+ E5 [1 S& o8 T8 ~( V : q. x1 N' |0 ]$ S3 l" [第9章 聚类分析 ) `  R3 z6 N# e, h9.1 聚类分析简介     9.1.1 距离和相似系数     9.1.2 系统聚类法 / l8 g0 @1 ?  f# c, A& |  S    9.1.3 K均值聚类法 * E1 P  _) q' F% m4 L/ g: T# x    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 ) M; y. A/ E* {( W( h* d4 ^    9.2.2 样品聚类案例 7 ^  F# f! S* i  T; G    9.2.3 变量聚类案例 & l" N3 F1 u2 K9.3 案例27：K均值聚类法的案例分析 9 d1 V$ Y; Y: Q2 u1 s6 a% F. {5 n    9.3.1 K均值聚类法的MATLAB函数     9.3.2 K均值聚类法案例 9.4 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 5 |; [" C" h% M    9.4.2 模糊C均值聚类法案例 5 S5 |4 C, c/ k- y7 ] 第10章 判别分析 10.1 判别分析简介 6 R2 L; k0 W/ m3 W' C, n3 W    10.1.1 距离判别     10.1.2 贝叶斯判别 1 s% ~. F/ S6 [) `# N, }    10.1.3 Fisher判别 7 O+ t0 h9 R  h) _/ [3 M) Q10.2 案例29：距离判别法的案例分析 % u3 h* G$ F3 Q+ `+ I    10.2.1 classify函数 2 T6 A7 l4 y3 i1 L    10.2.2 案例分析 10.3 案例30：贝叶斯判别法的案例分析     10.3.1 NaiveBayes类 + t1 I4 ?1 X# W! o4 Q    10.3.2 案例分析 10.4 案例31：FISHER判别法的案例分析 ' P; v+ x- V" m& B7 k    10.4.1 Fisher判别分析的MATLAB实现 ' y: ^& q4 [: W' u. _% n    10.4.2 案例分析 " i# X+ [* U3 o+ q4 f) O5 `7 g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     11.1.2 总体的主成分 0 n  K3 e& _! }4 W7 `+ v    11.1.3 样本的主成分 0 X. R, b% J5 s$ [# d    11.1.4 关于主成分表达式的两点说明 ' x% ^& y" f' G) ?7 ^( @; C; w11.2 主成分分析的MATLAB函数     11.2.1 pcacov函数     11.2.2 princomp函数 / W' v3 h4 V: I7 w    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 4 I! W1 z  k- y    11.3.2 结果分析 6 H2 @6 l0 p) W: P11.4 案例33：从样本观测值矩阵出发求解主成分 9 b2 h* x3 H& I) C    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 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 ( x6 ], D* x0 K8 i$ j1 W    12.1.2 因子模型的基本性质 + g, x* {7 }( w+ V3 C$ K* I' n& V    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 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     12.4.1 读取数据 . {8 c6 [$ B" k% I/ b    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 1 B( C, K! N# E. Y1 T  v! V0 B7 g案例36：基于图像资料的数据重建与拟合 ' ?6 u$ T- c: I  i    1.1.1 案例描述 ; k' e7 Z; b) N. P    1.1.2 重建图像数据 # Y& ~+ _9 f9 x$ R( A4 k    1.1.3 曲线拟合 : b- M( ^% @$ s7 C/ k案例37：基于K均值聚类的图像分割 1 A7 S+ ]. x9 h, a- U    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 ) }5 w# L$ x$ v+ X' W5 n5 |8 o    1.3.1 案例描述 - h+ f8 g4 h+ l2 U" l& _    1.3.2 中位数算法原理 5 i" L$ i1 n* w& s. _    1.3.3 本案例的MATLAB实现一 6 P. w2 k, d- L5 t" l1 n7 f    1.3.4 本案例的MATLAB实现二   p! ]  O  g5 u7 @+ Z1 L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     1.4.3 判别效果 $ m) y2 b/ B+ K8 |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 + k0 m7 i3 c) c( ^9 y: _* W$ @    1.5.2 图像压缩与重建的MATLAB实现 1 e% t; S2 Q- o8 m3 |; \$ L. s  S; h附录B MATLAB统计工具箱函数大全 . f4 S6 m" q' L8 K) C! o 《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

Double_L

一个？能打开吗？