《MATLAB统计分析与应用：40个案例分析

liyan1259

内容简介： ! k$ D1 Y6 |. l5 j+ Z2 M9 U 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。 " A' p$ E7 x3 K" a- }8 L" i 7 l- w* @4 S7 z: O! ?8 j# _1 b9 \# q/ N前    言： * o, y# }1 N5 q8 @3 p# aMATLAB、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？ & D0 Y& U& m  V& f, d& l2 \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： 3 N! r# T- n2 r1 w1 c& p' 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     1.1.2 COM接口 ! [7 {* _2 v% g2 I  |- m* m1.2 MATLAB中的ACTIVEX控件接口技术 9 K* E" v. ]# n, G# v0 D    1.2.1 actxcontrol函数     1.2.2 actxcontrollist函数     1.2.3 actxcontrolselect函数     1.2.4 actxserver函数 % r2 T% V! @+ U8 R/ 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 h7 j6 w4 A3 R) V; x    1.3.2 建立Word文本文档     1.3.3 插入表格     1.3.4 插入图片 % I. F' a! {+ Q9 [5 P    1.3.5 保存文档 ' \' c( j) I5 @7 Y4 [9 |; w5 n    1.3.6 完整代码 / h1 P5 d& `  R, ^7 ~1.4 案例2：利用MATLAB生成EXCEL文档 1 V* R! l! p% q# R4 s    1.4.1 调用actxserver函数创建MicrosoftExcel服务器     1.4.2 新建Excel工作簿 " q1 w/ C! l* F3 i" q9 ]    1.4.3 获取工作表对象句柄 ! K$ O" s4 {8 q/ }/ Y+ N# M! A    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 ! ]1 n. J5 O/ o- d    1.4.6 选取工作表区域 2 S+ _- I: p+ Q' c: d    1.4.7 设置行高和列宽 5 i9 H# j" c+ u  H, J  t    1.4.8 合并单元格     1.4.9 边框设置 4 I' K, L# i4 b. e3 {    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 / b- p  I1 b) R# g  N. i    1.4.13 保存工作簿     1.4.14 完整代码 % x$ _( X% v7 g+ F ( r5 _4 I/ |" M& z  n# `% {第2章 数据的导入与导出 $ i- q. _, W& u4 F3 X7 @; Y2.1 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 1 I, c* d2 n; |3 a( T, Q    2.1.2 调用高级函数读取数据 # O' t0 n4 l7 i/ j2 B- y    2.1.3 调用低级函数读取数据 % m+ c2 Z$ P/ i, Q+ }2.2 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 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 2.4 案例6：把数据写入EXCEL文件 + p! i/ Y/ `8 I 2 E: P, a. a# ^; a; Q) v第3章 数据的预处理 3.1 案例7：数据的平滑处理   s# e1 Q3 O. r* r$ e! W0 `4 |    3.1.1 smooth函数     3.1.2 smoothts函数     3.1.3 medfilt1函数 6 U  K7 ~+ _+ S8 B  h3.2 案例8：数据的标准化变换 5 F/ o+ q9 P+ |$ p, b    3.2.1 标准化变换公式     3.2.2 标准化变换的MATLAB实现 1 e& Z! A* Y5 n) r, B% L9 t6 `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 0 j0 s9 \4 v/ J) O5 b' l3 W) V 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 8 j8 @5 Q5 Y( T5 p0 \" H    4.1.2 RandStream类     4.1.3 常见一元分布随机数 3 L5 @5 Z  L& A% b' @    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 " b  X- R: |* M5 v0 c) @& t5 c4.3 案例12：蒙特卡洛方法 ; {# s: V8 s& Y4 R0 p* F9 O  4.3.1 有趣的蒙提霍尔问题 ; M& a) O8 p7 S& u3 i8 l& ]8 i  4.3.2 抽球问题的蒙特卡洛模拟 - M. }! a" Q, Y7 Z& O% w0 A0 _  4.3.3 用蒙特卡洛方法求圆周率 . d3 t; J; c- a9 R' @. i% m5 F  4.3.4 用蒙特卡洛方法求积分 4 Z1 f6 _$ Z  e( f& F# H+ J# M: s  4.3.5 街头骗局揭秘 第5章 参数估计与假设检验 # L: [# {* P+ a; A- d5.1 案例13：常见分布的参数估计 $ {3 J! A, T  v1 @1 @, Q% Q# y5 Q5.2 案例14：正态总体参数的检验 4 Q' }7 s+ L+ F, w4 v    5.2.1 总体标准差已知时的单个正态总体均值的检验 ( W6 e6 W1 j: y+ S' t+ ^5 [    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 * F8 X8 A: j& y; p& `0 w    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     5.3.1 案例描述 , C% ~' i% {( q. ~+ V    5.3.2 描述性统计量 ( D, S2 X  o3 f7 T0 G    5.3.3 统计图     5.3.4 分布的检验 ; W( T) U5 A# D  ]$ D# H+ i' Q    5.3.5 最终的结论 5.4 案例16：核密度估计 / r" Z0 B( r9 I3 O) j: E    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 5 w9 b- h' J" m% h+ H! M : k1 E! M! g" e6 M! w4 i第6章 COPULA理论及应用实例 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 0 {  L, p7 U& g4 ~    6.1.2 多元Copula函数的定义及性质 : K; G% }$ r9 s: L# r. W) {% v3 J6.2 常用的COPULA函数 3 p& ^  F* B( }. N, a    6.2.1 正态Copula函数 + u& A1 Z. U4 `: M3 c/ I4 j# n0 L    6.2.2 t-Copula函数 5 S6 }- s7 s, o4 g0 }' Q( k    6.2.3 阿基米德copula函数 2 R1 j3 F5 f4 q! T2 x& r: P6.3 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 ; R. ]- Q! x4 w% [" u  M% E    6.3.3 Spearman秩相关系数     6.3.4 尾部相关系数 7 J5 l( R0 B9 h( i% J4 S    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 8 H; i) Y* ~8 F6.4 案例17：沪深股市日收益率的二元COPULA模型     6.4.1 案例描述 4 P; T. q" \0 F$ w    6.4.2 确定边缘分布 , f. W  g1 _% d* X% V* H) q7 c    6.4.3 选取适当的Copula函数 ; |$ @) L/ l% L    6.4.4 参数估计 : C7 r$ ^) \9 v- K& i! e% ?3 E1 A    6.4.5 与Copula有关的MATLAB函数     6.4.6 案例的计算与分析 8 Y7 v( Z% p+ y/ A/ M ' }& Z% @1 F: L' }" ^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 / _0 N8 l6 a, ]0 z* E& S    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 ( ?! \- z2 J& t6 u+ U; ]! N    7.2.2 案例分析 2 R, h) ~# W9 l7.3 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 . x$ t2 t( m9 }& U( W5 b    7.3.3 案例分析二 9 }/ b- Z1 D( W( g8 M. I# K7.4 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 5 S( J% f1 ~9 \( a6 N7.5 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 第8章 数据拟合 ; [& k& a& x* X# |0 \8.1 案例23：一元线性回归分析     8.1.1 数据的散点图 5 g/ u- O* d  X) e, ?1 t    8.1.2 调用regress函数作一元线性回归分析 ( m& d- X8 c1 L) o    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 " l3 A0 d; D# V4 u, h, X$ }% c9 A8.2 案例24：一元非线性回归分析 + a8 V0 c" M, N$ V2 Q0 d    8.2.1 数据的散点图 # B* t. l6 m( O6 g6 Z5 O# D    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 ' d( N, i3 y7 y; r/ N* P" ~8.3 案例25：多重回归分析 / `" L- C2 T! p# ~, T    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 & ?! E: Q& Q4 U# V/ D) V" e, A 8 v/ D, N1 X' I第9章 聚类分析 5 e7 E3 }: C& O+ j' K! _2 B( i1 Y9.1 聚类分析简介 8 v1 ~7 ?4 A$ [$ i) g    9.1.1 距离和相似系数 % |% X- o$ ~; d. M    9.1.2 系统聚类法     9.1.3 K均值聚类法 ! Q( e! i) l! W" l& @    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 2 F4 {: F1 m+ |3 w6 ~+ C    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     9.3.2 K均值聚类法案例 5 s0 \7 U. G8 a$ c8 W9.4 案例28：模糊C均值聚类法的案例分析 1 P5 L/ ^7 h4 u0 p6 @2 Y9 k5 ~    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 4 ]4 b( c  P7 L8 I2 Y第10章 判别分析 10.1 判别分析简介 - F( U6 }4 Z" P' F' L" M    10.1.1 距离判别 2 D2 N5 V# Q6 t% n1 T/ J    10.1.2 贝叶斯判别 8 q% [' B" I8 H* O# t3 Y6 v    10.1.3 Fisher判别 10.2 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 ) e/ l- r9 d6 e10.3 案例30：贝叶斯判别法的案例分析 5 C6 R$ h1 L- m2 V/ F( L, `0 e; e    10.3.1 NaiveBayes类 : X* o& h9 [$ j4 r7 ]    10.3.2 案例分析 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 # [/ n0 {& }% X& Y( \& K    10.4.2 案例分析 + n' o" ^* I8 T: o8 |/ N! V8 _ 1 S- F+ Q7 Y# r  O第11章 主成分分析 6 X. L1 a9 M1 t2 S11.1 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 + E1 d4 {- H, q: w* P    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 11.2 主成分分析的MATLAB函数     11.2.1 pcacov函数     11.2.2 princomp函数     11.2.3 pcares函数 # B  \& @, r' @3 m5 i11.3 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 : t5 l1 k$ _; n    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 $ ?( M5 N2 U3 l0 D/ |0 Q    11.4.1 调用princomp函数作主成分分析     11.4.2 结果分析 7 S8 v4 a% Q. o    11.4.3 调用pcares函数重建观测数据 9 [4 s! N1 j. n4 G 第12章 因子分析 , e9 j, r! j0 i! v6 I12.1 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 , x. z& v3 u& u/ U! x3 e  a- c    12.1.3 因子载荷阵和特殊方差阵的估计 ; w1 ~& H% o! z8 w/ p  O4 `    12.1.4 因子旋转 , d; I3 l( J% ?' t/ P    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 2 E, z# L% D( E1 n" {    12.4.1 读取数据   A7 [4 o; {/ c: s( y+ ?" W3 m. F    12.4.2 调用factoran函数作因子分析 7 N6 G+ N3 w0 x2 Y+ V7 i; } * W/ y0 e; y# E7 i* u: B+ _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     1.1.3 曲线拟合 7 i- Q7 Q& p2 {9 `  e9 ]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     1.2.2 真彩图像分割案例 ! X$ ^9 p5 v$ n6 s9 `/ I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     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     1.4.1 样本图片的预处理 7 g7 d# i8 W6 [9 Z1 x    1.4.2 创建朴素贝叶斯分类器对象     1.4.3 判别效果 ) l* \, h! |, i9 @8 A2 v4 K案例40：基于主成分分析的图像压缩与重建 ! M- @' K; c2 D% e    1.5.1 基于主成分分析的图像压缩与重建原理 8 z2 z' L/ h% ]4 D    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

  ?) q6 w  w; q0 U( v

Double_L

一个？能打开吗？
8 [! M3 [1 d) D; J; @! \1 N5 X