《MATLAB统计分析与应用：40个案例分析

liyan1259

内容简介： 1 x1 E& Y/ ~* D: b% v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： 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？ , o" b& \7 T. N2 R0 E+ T 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） 8 T$ j0 ~2 H4 p' [+ h' V) V    1.1.1 什么是COM * Y5 D4 r- _. Q    1.1.2 COM接口 + p4 o+ g3 a, G3 O8 d1 I& [) e* |1.2 MATLAB中的ACTIVEX控件接口技术     1.2.1 actxcontrol函数 ; J: w% V/ ^6 q5 h- s% j9 M( j    1.2.2 actxcontrollist函数 1 l: M; `) w7 K9 [! g    1.2.3 actxcontrolselect函数 2 g) q7 V1 A- Q3 \& O: N    1.2.4 actxserver函数 6 s, y4 g( S6 Q. B- v3 y$ E* [    1.2.5 利用MATLAB调用COM对象   d- E$ n# x9 G5 J! P) _4 F    1.2.6 调用actxserver函数创建组件服务器 " B2 N' k( |$ l# Z4 ]' C' F( w9 X1.3 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   {) s! s; Q. Y, Z# T    1.3.3 插入表格 / `' h+ v) e4 \7 \1 P* M( M. i8 n    1.3.4 插入图片 7 d8 g  v- N- R' ~; \. F    1.3.5 保存文档 - p1 t& {9 v8 g' i% G9 e0 f. ~- r: ~+ ]    1.3.6 完整代码 1.4 案例2：利用MATLAB生成EXCEL文档 , {& W/ o- t8 H    1.4.1 调用actxserver函数创建MicrosoftExcel服务器 , m6 c2 {9 t; l/ ^( K    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 6 m" \" A4 F4 B, r2 x/ G/ K    1.4.5 页面设置     1.4.6 选取工作表区域 $ I( w3 x) r2 b8 Q0 v+ ^' W    1.4.7 设置行高和列宽 . |3 ]" F1 E1 J2 S    1.4.8 合并单元格     1.4.9 边框设置     1.4.10 设置单元格对齐方式     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 $ V9 ^8 C8 s  Y* o; L+ J/ ?    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 . Z/ h4 h. E; q    2.1.1 利用数据导入向导导入TXT文件 , ^1 u& E$ w; Z- V    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 2.2 案例4：把数据写入TXT文件 , w6 Y& B! n% j+ s) F5 w* p    2.2.1 调用dlmread函数写入数据 ' ]  h: i7 Z/ T8 Y; ~    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     2.3.2 调用xlsread函数读取数据 ) a6 M% X1 G8 z) S2.4 案例6：把数据写入EXCEL文件 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     3.1.3 medfilt1函数 3.2 案例8：数据的标准化变换 $ K' M8 |( F& O, S* R" I    3.2.1 标准化变换公式 ; A' a! g- g+ \% H, c    3.2.2 标准化变换的MATLAB实现 ( O( L* K8 b8 p/ j# W. e3.3 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 + e9 {8 Y* `9 V5 @8 b4 e 第4章 生成随机数 & K7 M' A8 G% ^4.1 案例10：生成一元分布随机数 3 L9 |# t* F; U3 K( s- u/ p/ h    4.1.1 均匀分布随机数和标准正态分布随机数 5 f$ h$ l2 N& \1 J    4.1.2 RandStream类 ( D& L, \, x! x! @8 Y+ 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 6 u& m, J  Q) a3 D1 k/ P  I4.2 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 % F$ z  \& q6 n' ?1 q( H  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   4.3.4 用蒙特卡洛方法求积分   4.3.5 街头骗局揭秘 / G1 U0 r  |2 \9 R- J3 G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 7 w, @* g  ]9 i  T7 u    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 & ]9 U, |: E2 m! S% X: K    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 ! N' i$ E3 p5 u! L. d% L    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     5.3.1 案例描述   ]! M: K9 X2 }( V' l    5.3.2 描述性统计量 % @9 D& _# g" d6 I* `0 O    5.3.3 统计图 . l0 g  K5 Z; L$ L: X/ R    5.3.4 分布的检验     5.3.5 最终的结论 5.4 案例16：核密度估计 ( f+ g% x7 m/ |) l6 W( J    5.4.1 经验密度函数 7 ]7 ^  g. B2 Q    5.4.2 核密度估计 3 w( @# d1 W' r$ z8 G7 r% G    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 . \; R, K" L6 s+ y* B! {0 @ $ W9 G% A1 m$ q! c# h* H/ S) \第6章 COPULA理论及应用实例 9 P2 Q( Y: ~- W4 ^! v6.1 COPULA函数的定义与基本性质 ' ]4 c0 H- J8 N+ E    6.1.1 二元Copula函数的定义及性质 / ?6 G& t, n; Z  K& e8 ~, y; q    6.1.2 多元Copula函数的定义及性质 6 W! e( e- r) |0 b6.2 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 6.3 COPULA函数与相关性度量     6.3.1 Pearson线性相关系数 : s  R& q7 I% }4 ~8 p3 h    6.3.2 Kendall秩相关系数     6.3.3 Spearman秩相关系数 ; \% }, f0 Z% ^6 n- l: l    6.3.4 尾部相关系数     6.3.5 基于Copula函数的相关性度量 3 X4 ~" P6 y* P. t3 D' T: [    6.3.6 基于常用二元Copula函数的相关性度量 $ L. J2 X0 C0 z1 K2 V7 o1 [6 n8 M6.4 案例17：沪深股市日收益率的二元COPULA模型 0 H: o, p5 ~" H1 }    6.4.1 案例描述 ; F( c3 q( H, p1 b    6.4.2 确定边缘分布     6.4.3 选取适当的Copula函数     6.4.4 参数估计   P6 U5 I$ K  r$ b0 J+ ]4 [    6.4.5 与Copula有关的MATLAB函数 * `- w" h& G9 z. d/ b    6.4.6 案例的计算与分析 . ^' t$ z% }! M 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 7.2 案例19：双因素一元方差分析   n- N# i" O' N/ ~9 r& q    7.2.1 双因素一元方差分析的MATLAB实现 3 x1 L# E5 O6 C7 O8 G    7.2.2 案例分析 ! B% i% e( G9 m6 K7 [0 ]( t6 F/ e6 S7.3 案例20：多因素一元方差分析 5 s2 N' [, W- M* Y+ F. N& f    7.3.1 多因素一元方差分析的MATLAB实现     7.3.2 案例分析一 ; j1 z0 S# v1 A+ Q; }  o    7.3.3 案例分析二 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 : w" N) I2 @* E" ]    7.5.1 非参数方差分析的MATLAB实现 $ {, a6 w/ G4 x$ d& h3 ~0 [    7.5.2 Kruskal-Wallis检验的案例分析     7.5.3 Friedman检验的案例分析 5 F0 z; ]# D0 x* q! y; { # U1 t1 A+ b% @: g) B( u/ \第8章 数据拟合 8.1 案例23：一元线性回归分析 : P! o7 E: D  n    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 " ^& K, L; M' P8.2 案例24：一元非线性回归分析     8.2.1 数据的散点图 8 j" P" ]5 N& ]    8.2.2 调用nlinfit函数作一元非线性回归分析 , Z1 v( I5 D6 V& Z    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 - u0 R# ~8 v/ b    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 7 H% Y. |, D  e) @3 d第9章 聚类分析 , t; d3 n# f; e- W/ ?5 x( \9.1 聚类分析简介 4 @: V+ w- H# f3 U4 \; J    9.1.1 距离和相似系数 0 P' S1 `1 u: l4 V    9.1.2 系统聚类法     9.1.3 K均值聚类法     9.1.4 模糊C均值聚类法   I) Y& H/ C1 R/ T* f' E) ~, \1 P9.2 案例26：系统聚类法的案例分析 8 J+ v0 x0 m- o, H7 m    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 % k! g+ g$ `6 z. |) b, T" R& W    9.3.1 K均值聚类法的MATLAB函数     9.3.2 K均值聚类法案例 & |8 L# r1 n6 z$ `8 m# }5 m9.4 案例28：模糊C均值聚类法的案例分析 4 d! z8 Y7 D8 c  `) ~    9.4.1 模糊C均值聚类法的MATLAB函数 4 p! B, N  a0 {: h7 v- k    9.4.2 模糊C均值聚类法案例 2 ^3 U0 d5 [( d8 v! e, c第10章 判别分析 10.1 判别分析简介     10.1.1 距离判别     10.1.2 贝叶斯判别 9 |! v( M/ A8 a" b9 S: r; R7 r4 R    10.1.3 Fisher判别 1 N# a9 Y' B& k! j" g: k4 E5 c10.2 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 10.3 案例30：贝叶斯判别法的案例分析 $ y0 F# o$ d+ _1 p/ }5 y/ j    10.3.1 NaiveBayes类     10.3.2 案例分析 10.4 案例31：FISHER判别法的案例分析 % F7 |+ l% L& E0 e% N6 _! U& E. l    10.4.1 Fisher判别分析的MATLAB实现 + |- r0 p! V4 Q" v8 }    10.4.2 案例分析 第11章 主成分分析 11.1 主成分分析简介 5 D6 ?0 @5 J: S. O  u! v. G# y" B    11.1.1 主成分分析的几何意义 $ L" q0 y6 m6 O' y( z* _    11.1.2 总体的主成分 % _$ R: G0 z6 E) p& r/ ^$ ]: T9 E    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 % N& f$ C9 f( _11.2 主成分分析的MATLAB函数     11.2.1 pcacov函数 " {" n4 L: F8 \( X    11.2.2 princomp函数 . |( h% i/ X/ T0 q    11.2.3 pcares函数 1 A1 q1 i& V; d11.3 案例32：从协方差矩阵或相关系数矩阵出发求解主成分 . w. Y7 j6 [! {, Z  K+ N    11.3.1 调用pcacov函数作主成分分析 : H0 q( i& Z8 P: x7 ?4 T. T+ d    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   _/ ^; {# c* e7 L# |5 k+ H/ w    11.4.1 调用princomp函数作主成分分析     11.4.2 结果分析 1 K2 V+ f; S: D3 O    11.4.3 调用pcares函数重建观测数据 9 W2 i5 }" j. {; n! l" ^ 第12章 因子分析 % x( W! ?) G$ q+ u* {, E5 A12.1 因子分析简介 3 e1 E1 w9 }, h& L$ o! Q! m. [    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 2 l* B; g# ]+ u4 o    12.1.6 因子分析中的Heywood现象 ' ]6 B! S! a) ]4 L" A. P12.2 因子分析的MATLAB函数 ; k# Y; g) b" w& ?8 e. W' `" E# n0 k12.3 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 ) w$ s! a4 o' a4 w1 X% Y    12.4.1 读取数据 ! t# Q- |7 N! ]' B( B4 F. j, y! ]    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 : K) w! P4 j& p7 \" A/ i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 T0 B+ O* y( I8 C    1.1.2 重建图像数据     1.1.3 曲线拟合 ) t6 G: v+ |; k! @7 o3 L$ D+ W案例37：基于K均值聚类的图像分割 ; `7 j: M( u  M1 A# |& ~) u    1.2.1 灰度图像分割案例 ( ~5 p, x5 O! B0 g0 x. ~0 X    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 ) ~/ Q: |/ l6 f" e    1.3.1 案例描述     1.3.2 中位数算法原理   @5 n% O2 i4 X    1.3.3 本案例的MATLAB实现一 2 a- i- J8 P$ M( G! b    1.3.4 本案例的MATLAB实现二 . x- Q; g* H8 f+ Q" \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 , q+ T+ P* H& }& @2 g    1.4.3 判别效果 8 F& w7 ?$ z' ?) D# _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 ) [+ x: w; N1 p0 q, H+ z    1.5.2 图像压缩与重建的MATLAB实现 2 t6 o+ y$ C/ Z$ ~; y& O" [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

# y% `+ k' Z/ `4 I! t% L# F

Double_L

一个？能打开吗？
, L' x, l; k' {: C% K+ t% {