《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。 1 A9 Y# L* n7 F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。 4 k0 p& R6 n7 F 6 H" k5 s8 P& ^# _# h前    言： # n! v* G* `- G. B* j4 ] : X2 {$ k& H" b9 RMATLAB、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？ : \/ s+ a) ~; N& Q2 a) Q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。 - o; x7 Y2 P7 G) k- g0 _  F目录： 第1章 利用MATLAB生成WORD和EXCEL文档 4 i" a1 P- B: K3 H* ~  p1.1 组件对象模型（COM）     1.1.1 什么是COM , C  P0 p1 c# m8 @    1.1.2 COM接口 1.2 MATLAB中的ACTIVEX控件接口技术 " P% M4 \& `" E+ J/ ~7 a' o* Z    1.2.1 actxcontrol函数     1.2.2 actxcontrollist函数     1.2.3 actxcontrolselect函数     1.2.4 actxserver函数 , C" }4 i2 |# W: w/ [$ i    1.2.5 利用MATLAB调用COM对象 ) O! W+ U& R1 N3 C    1.2.6 调用actxserver函数创建组件服务器 , ?* y1 m& e8 i1.3 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 5 o0 e9 G* U" @* L( ~8 d    1.3.4 插入图片     1.3.5 保存文档     1.3.6 完整代码 4 s) R6 [2 g; n# `1.4 案例2：利用MATLAB生成EXCEL文档 3 g6 L6 w9 Z; V* E+ ]) E    1.4.1 调用actxserver函数创建MicrosoftExcel服务器 8 P8 f, w) P; V& v    1.4.2 新建Excel工作簿     1.4.3 获取工作表对象句柄 9 }+ T8 ~3 U' H. ]    1.4.4 插入、复制、删除、移动和重命名工作表 ) t5 U8 \; s- l    1.4.5 页面设置     1.4.6 选取工作表区域 ! _9 K* ]4 o; n  F* g, P/ v    1.4.7 设置行高和列宽 ' q; M8 o% ]1 D  T& k) Y    1.4.8 合并单元格 " Q' h. ^. H1 O: f    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 % T8 M7 m; W. n& H6 ^    1.4.14 完整代码 # h6 m" s. D* z% g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     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 ; o/ [0 ]) [& y+ {3 t    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     2.2.1 调用dlmread函数写入数据     2.2.2 调用fprintf函数写入数据 ; r4 z$ r3 t: p, _6 ~2.3 案例5：从EXCEL文件中读取数据 : j* j8 B+ [7 O% ?' _' @( R, b2 q    2.3.1 利用数据导入向导导入Excel文件 4 e' Y1 {# ^3 O( Z) E6 `    2.3.2 调用xlsread函数读取数据 , ~5 \7 g6 }; f! T8 Y2.4 案例6：把数据写入EXCEL文件 第3章 数据的预处理 8 p5 Y9 j3 T- w# f) T3.1 案例7：数据的平滑处理 " ?* M& s/ V: r9 J: P  |# I    3.1.1 smooth函数   _1 e: H6 M" {    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     3.2.2 标准化变换的MATLAB实现 4 ?  a" S/ h: ]& T3.3 案例9：数据的极差归一化变换 ' N0 H  I$ ~. L- T3 k    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 $ ~; Q( R2 J# h4 K  T1 V' W7 w 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 4 ^5 w$ a2 r+ O: ?1 o7 T    4.1.2 RandStream类 6 U( F. `- n$ ]4 {  o8 i( O4 u0 U+ c1 z    4.1.3 常见一元分布随机数 # b9 u5 d' r' \( o8 k/ w9 S7 ]0 H    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 , x: o4 }. f7 p% A5 X+ n' k' S2 G$ {* a! `4.3 案例12：蒙特卡洛方法 7 h3 r4 [+ H: ~  4.3.1 有趣的蒙提霍尔问题 7 j$ z: S- z1 F  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 , x# f" a/ Q' B' m$ U/ V/ y2 O  4.3.5 街头骗局揭秘 第5章 参数估计与假设检验   x! Y9 \% g4 u* E. E5.1 案例13：常见分布的参数估计 ' O* z% j- \* C1 }9 j( T" V5 R5.2 案例14：正态总体参数的检验     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 ) O& z% V5 ~; ]# `! q+ c8 l    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 c# l) X% a9 A% \    5.2.4 总体均值未知时的单个正态总体方差的检验 1 ]& S3 k* j( A" I% y1 D4 N8 E    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 2 Q# e* i" Y6 g# f7 Q    5.3.1 案例描述 ' n. }" o7 o& b0 {, G5 x; w7 b    5.3.2 描述性统计量     5.3.3 统计图 5 Q. B; V4 v' v/ z% ?5 K    5.3.4 分布的检验 & M$ o3 Y, X8 O0 s+ P( J    5.3.5 最终的结论 5.4 案例16：核密度估计 6 E# A/ v8 d1 e0 {8 ]    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 # a, X* z# b) M# V3 t4 [第6章 COPULA理论及应用实例 6.1 COPULA函数的定义与基本性质 % X3 R* Z5 v2 `5 z2 j    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 + N3 K8 k3 L. y6.2 常用的COPULA函数     6.2.1 正态Copula函数 1 n. \" a2 B4 ~. b+ V- \    6.2.2 t-Copula函数 3 t. b( N8 G2 J) m; {& Z; M    6.2.3 阿基米德copula函数 9 f; k  e1 s% v% C" B1 l6 _' G& I6.3 COPULA函数与相关性度量   n, j5 ~8 m. _$ a  Z    6.3.1 Pearson线性相关系数 $ F5 X2 `) ^; F3 k% z0 I    6.3.2 Kendall秩相关系数 * o: N  N) }1 k3 e" M3 {    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 5 w, K+ @. x# A$ n0 q: h4 ]8 Q    6.3.6 基于常用二元Copula函数的相关性度量 6.4 案例17：沪深股市日收益率的二元COPULA模型 8 r& `; g9 {2 V* }    6.4.1 案例描述     6.4.2 确定边缘分布 5 n3 u5 N- s1 h4 b/ w& j" g9 R  J  B- w    6.4.3 选取适当的Copula函数 9 k7 Z! v! K, N    6.4.4 参数估计     6.4.5 与Copula有关的MATLAB函数 2 t/ t/ a  N0 J# ?; {7 G    6.4.6 案例的计算与分析 第7章 方差分析 7.1 案例18：单因素一元方差分析 1 J4 r  X% R4 H, ?: t8 s+ `+ j    7.1.1 单因素一元方差分析的MATLAB实现 . g' x3 l& _9 w    7.1.2 案例分析 7.2 案例19：双因素一元方差分析 0 t' ?4 ~  {) m1 I+ ~, c    7.2.1 双因素一元方差分析的MATLAB实现     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 + x3 T* O) e5 H2 U    7.3.2 案例分析一 2 H& @# F- \: S2 v3 O' D    7.3.3 案例分析二 # y0 D5 t' j2 ^0 o7 S9 C+ Z# a0 z7.4 案例21：单因素多元方差分析 # {4 m5 r5 |' \6 ^    7.4.1 单因素多元方差分析的MATLAB实现 : m/ i1 P! o" J6 e    7.4.2 案例分析 7.5 案例22：非参数方差分析 # p3 H& W1 Y, S/ M# P# M    7.5.1 非参数方差分析的MATLAB实现 # r) [5 {5 y- C) n    7.5.2 Kruskal-Wallis检验的案例分析     7.5.3 Friedman检验的案例分析 3 b4 ^4 p* b/ l7 h ) X% u6 F, Y' r7 L+ Y6 |第8章 数据拟合 8.1 案例23：一元线性回归分析 ( a6 F# A4 A1 y) w: b5 u    8.1.1 数据的散点图 ; c. ]4 X; t/ Q    8.1.2 调用regress函数作一元线性回归分析 0 M/ f* |& Y6 X9 Y% d$ d    8.1.3 调用regstats函数作一元线性回归分析 $ g$ g& D& C, [, `7 l    8.1.4 调用robustfit函数作稳健回归 ! ^0 ?6 I3 [8 f( w8.2 案例24：一元非线性回归分析     8.2.1 数据的散点图 : r5 `6 e5 C' `& u5 _+ y6 v    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 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     8.3.2 调用stepwise函数作逐步回归   ?) G% e, t5 P+ `& j7 E 3 q$ P1 h! X: t2 Y$ I' U6 K6 ?第9章 聚类分析 : D2 W. h1 U1 [5 L9.1 聚类分析简介     9.1.1 距离和相似系数     9.1.2 系统聚类法     9.1.3 K均值聚类法     9.1.4 模糊C均值聚类法 + y1 f- z4 z2 I; E( I% k9.2 案例26：系统聚类法的案例分析 ; S9 O0 [% z( O7 f6 R9 b    9.2.1 系统聚类法的MATLAB函数   h6 y' v( `0 J3 L1 H& T- y    9.2.2 样品聚类案例     9.2.3 变量聚类案例 7 M% [5 Z7 m" y9.3 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 6 o% `: d$ v1 b$ Q( c% r( j    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 6 r- G( u: o/ N) g    9.4.2 模糊C均值聚类法案例 * ]# @. Q# R  z; ~/ C第10章 判别分析 10.1 判别分析简介 $ y9 f* {6 i- j& }2 K    10.1.1 距离判别   H" z0 i, l5 p) D. A* i    10.1.2 贝叶斯判别 8 P) @3 l- x2 K2 A- h0 _4 {    10.1.3 Fisher判别 10.2 案例29：距离判别法的案例分析 ( _9 W0 B+ h. f' z    10.2.1 classify函数 5 Q( |1 G! D% I' w* b    10.2.2 案例分析 1 b6 K( Y9 m3 s* K! t9 I10.3 案例30：贝叶斯判别法的案例分析 0 f9 E5 z& D8 Z+ i& @" Z: z+ d    10.3.1 NaiveBayes类 5 z' z1 Q# ~4 i* u1 N    10.3.2 案例分析 10.4 案例31：FISHER判别法的案例分析 7 ]  H% C4 h2 H1 ~/ ?3 d" C    10.4.1 Fisher判别分析的MATLAB实现     10.4.2 案例分析 $ F; y' ~" R* g5 h6 e/ s- y 第11章 主成分分析 11.1 主成分分析简介 2 R' I9 u1 i- V* J; K    11.1.1 主成分分析的几何意义 ( p7 C0 Z- O8 g' W) g) A) f* p    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 : _4 s% _, p7 p  H' Q; N  c11.2 主成分分析的MATLAB函数 0 J  ~6 x0 u7 @" Y3 R* X( w    11.2.1 pcacov函数     11.2.2 princomp函数 4 v+ U; B9 j% y. F* e8 b    11.2.3 pcares函数 9 q! Q' w2 Y& Q: q1 I3 [0 v11.3 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     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 4 m2 P, d+ E' n, O    11.4.1 调用princomp函数作主成分分析     11.4.2 结果分析 2 g3 V! l( B3 h( u5 o    11.4.3 调用pcares函数重建观测数据 - c7 z% u7 R+ {* \5 u5 A  v 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   c# R* B+ T$ p0 ~    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 1 C& K+ a* Q  Q! b    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 3 k, Z) r5 Z, V/ q6 k% J, z* S12.3 案例34：基于协方差矩阵或相关系数矩阵的因子分析 % E* s& Y- w9 [/ ~2 I12.4 案例35：基于样本观测值矩阵的因子分析     12.4.1 读取数据 5 F" E  G  m: p" v    12.4.2 调用factoran函数作因子分析 1 X0 V+ K, P4 l& V" j3 x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 / l, u% o$ z: ]6 p- W/ x    1.1.1 案例描述 0 d" b" a& |5 w% e4 {" L! q    1.1.2 重建图像数据     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 3 p' M5 R$ w& a3 L    1.2.2 真彩图像分割案例 ' q$ H7 a- d( w, N2 f) e案例38：基于中位数算法的运动目标检测 ( _4 p- S. J% _# v9 V/ j    1.3.1 案例描述     1.3.2 中位数算法原理 5 P/ {: _0 X, \    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 * x( ?" E) {3 L$ B5 p/ I$ R$ |    1.4.2 创建朴素贝叶斯分类器对象 & W. p; C% i: }; E    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   o/ Y& Q5 l8 {- n0 q    1.5.1 基于主成分分析的图像压缩与重建原理 # \4 v  r% O; w/ U    1.5.2 图像压缩与重建的MATLAB实现 $ _+ f7 n) R% C; 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

3 h$ Z: ]# O& U& J; [
9 J! P. E, Z9 Y5 Q) S

Double_L

一个？能打开吗？
8 p2 b# I6 ]5 ?% r