《MATLAB统计分析与应用：40个案例分析

liyan1259

内容简介： ) \7 D' D$ j; w. Y9 a2 T& K) d- l 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： 6 S# T, T  I5 p( CMATLAB、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？ : H  |) Z1 v6 e6 _ 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。   }9 d% C2 `1 T2 v5 C4 @目录： 第1章 利用MATLAB生成WORD和EXCEL文档 . U  Y1 i$ Q" M, O- z* s1.1 组件对象模型（COM）     1.1.1 什么是COM     1.1.2 COM接口 ) P5 X; y* P$ s$ I# v7 {! `1.2 MATLAB中的ACTIVEX控件接口技术 9 {/ D  x# K+ b. B6 U. |    1.2.1 actxcontrol函数     1.2.2 actxcontrollist函数 ) u& U& m4 p2 r, H  i  ^2 T* u    1.2.3 actxcontrolselect函数     1.2.4 actxserver函数 & V. p' g" ^9 ~+ ~; r1 ?2 t    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 0 A$ E$ d0 e$ o, V1.3 案例1：利用MATLAB生成WORD文档 5 g8 l: K3 o& B, V0 R/ v. E    1.3.1 调用actxserver函数创建MicrosoftWord服务器 $ P$ y3 ~  s8 g& x' q% C  o    1.3.2 建立Word文本文档 ' N4 Y. [- ^2 U! V) r    1.3.3 插入表格 " f  u& V( I, W6 J" d7 j    1.3.4 插入图片 & z) J) `5 ^2 P& r4 R    1.3.5 保存文档 5 u& e4 [' r. H    1.3.6 完整代码 & m% Z6 X, J6 h% p1.4 案例2：利用MATLAB生成EXCEL文档 . p( s# j# Y& }    1.4.1 调用actxserver函数创建MicrosoftExcel服务器     1.4.2 新建Excel工作簿 ! B3 ^- n3 _# s3 I/ J0 U) I, W    1.4.3 获取工作表对象句柄 9 V( a% Z* s7 O    1.4.4 插入、复制、删除、移动和重命名工作表 , N3 d% |5 J: @' }7 D8 u" B) ^    1.4.5 页面设置     1.4.6 选取工作表区域 * q3 N; T( J2 I4 H/ B" z3 {    1.4.7 设置行高和列宽 0 T" N7 g3 ~$ F$ I    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 0 [8 l; D1 o+ }. h2 X" @% l9 S2 M6 E    1.4.12 插入图片 6 `0 q5 S$ A: W6 B9 @9 O% G/ o: U    1.4.13 保存工作簿 $ N/ s! F) m, }8 r    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 0 J: J1 B2 C9 l8 {    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     2.1.3 调用低级函数读取数据 . r" S8 `9 ]! r- Z. g  D2.2 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 6 o$ S1 m* F% X% f# U  m! y# |! T    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 5 Q; F$ [% x& c) q  g 6 V7 S  X7 N; |  ?第3章 数据的预处理 ' R- \3 H! v8 @: l; y  {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 R7 v% Q  g0 ~$ @' U, `, X, V    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 7 Q  z  R4 G/ C5 [1 h, s3 K; y( [    3.2.2 标准化变换的MATLAB实现 5 w( t/ V1 }, e0 J3.3 案例9：数据的极差归一化变换 ! M' V8 f  X: L    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 6 g- }* }9 G" }; d- S+ \: Z0 T0 ^6 j - {7 r. c/ _& z第4章 生成随机数 % l/ p8 }4 q2 Z/ O) A. f4.1 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 # Y. q4 Y! _3 X/ y/ N    4.1.2 RandStream类 - O- X! f$ f  r6 M6 a    4.1.3 常见一元分布随机数 2 W( _; f- n) s$ C- j    4.1.4 任意一元分布随机数 - [8 l8 H- _# R9 Y$ z/ Y4.2 案例11：生成多元分布随机数 4.3 案例12：蒙特卡洛方法 5 X( U. G% k7 {& @  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 . |1 N4 d7 a$ I1 L* C  X8 {  4.3.3 用蒙特卡洛方法求圆周率 # f% |# ]% _+ z1 O  4.3.4 用蒙特卡洛方法求积分 " c4 @; k) ?5 i  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 7 e5 w8 f. v0 P: I& d% V    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     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 ( y8 x% f; V* i) }% {5.3 案例15：分布的拟合与检验 % M3 B" {( T7 t# S1 `$ T* Q    5.3.1 案例描述     5.3.2 描述性统计量     5.3.3 统计图 - A! i+ z# @+ z0 N6 g    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     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 . r4 k& a4 Y/ Z4 _# f    5.4.4 核密度估计的案例分析 + d& n9 b: A' P* \' b第6章 COPULA理论及应用实例 * j2 Z% r+ Z: L' {8 E# X4 W  ~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     6.1.2 多元Copula函数的定义及性质 6.2 常用的COPULA函数 % i5 w3 l5 k( m: ]    6.2.1 正态Copula函数 " @$ m$ Y+ x, |5 u    6.2.2 t-Copula函数 : f/ |, Y7 H- }7 H8 E    6.2.3 阿基米德copula函数 % @5 G2 a- G' W: h; _0 Y- K' E7 q6.3 COPULA函数与相关性度量     6.3.1 Pearson线性相关系数   H4 t  F: l- ]8 v+ g. ?- i    6.3.2 Kendall秩相关系数     6.3.3 Spearman秩相关系数 % K) t" ^0 t5 o- \  E! `' g    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 6.4 案例17：沪深股市日收益率的二元COPULA模型 * x4 I3 P' k+ J    6.4.1 案例描述     6.4.2 确定边缘分布     6.4.3 选取适当的Copula函数 / N1 P7 C4 R3 j0 B% W    6.4.4 参数估计     6.4.5 与Copula有关的MATLAB函数 5 r7 C: [) n; C& y; W    6.4.6 案例的计算与分析 8 M5 R7 H% }1 v% T3 d 第7章 方差分析   F6 z% s' _4 j1 ^/ Q- l7.1 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 + D  c( Q0 Y$ _  d2 M5 L- L! B' W0 l    7.2.1 双因素一元方差分析的MATLAB实现     7.2.2 案例分析 9 Q! W" ], V( ~  }/ p7.3 案例20：多因素一元方差分析 0 n/ x! O" W) {5 ]4 o" r% S    7.3.1 多因素一元方差分析的MATLAB实现     7.3.2 案例分析一 & D6 T$ {/ N& m9 v3 G5 a& R    7.3.3 案例分析二 3 T. O) J6 _1 a6 ]5 @/ i7.4 案例21：单因素多元方差分析 ) \4 F- [2 U: w7 c9 Z' \    7.4.1 单因素多元方差分析的MATLAB实现     7.4.2 案例分析 ' i/ z8 M$ S# o7 k3 {2 M& Q7.5 案例22：非参数方差分析 - m$ C& ?6 K2 W% 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 + X# k7 A5 b) @1 R$ t: L2 f1 V8 b 第8章 数据拟合 + _3 n  J( B0 m2 O& M1 I  W( e8.1 案例23：一元线性回归分析     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 2 n4 G6 s6 l. Z* H; t    8.1.3 调用regstats函数作一元线性回归分析 ) j" T; a$ Z( L8 c: u' d9 j    8.1.4 调用robustfit函数作稳健回归 + j' J/ M. E* \; r, n8.2 案例24：一元非线性回归分析     8.2.1 数据的散点图     8.2.2 调用nlinfit函数作一元非线性回归分析 ( d9 O$ V+ A4 t& x3 g8 I    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 ; d3 w$ `" E( X/ l( M    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 ' ]* ]$ L! X( {3 D# r   |' N  z4 m5 Z! Q$ K第9章 聚类分析 : H2 y- _9 H* I. I; f# k* q9.1 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 0 C7 x8 H! J4 Q" y# B) s+ n  Z9.2 案例26：系统聚类法的案例分析 3 N" N8 |) q$ O. J' o    9.2.1 系统聚类法的MATLAB函数 ) Z  R% x, e; v    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 3 S5 A' v2 ~( n6 X7 U5 t. h    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 * \/ T2 w/ p8 @9 e) O4 X    9.4.1 模糊C均值聚类法的MATLAB函数   m6 [( O9 r, ~, y    9.4.2 模糊C均值聚类法案例 第10章 判别分析 ) C+ ]: h: u0 ^10.1 判别分析简介 , C: c" X2 A$ U! M5 W    10.1.1 距离判别 ) @  p, J5 r% g& S8 d  }5 X/ v    10.1.2 贝叶斯判别     10.1.3 Fisher判别 5 f& b4 v* \/ _3 R) t$ i6 y9 ^. |9 A3 k10.2 案例29：距离判别法的案例分析 # V8 [0 A( Z  w* ]    10.2.1 classify函数 3 s7 x# n- f$ o1 C7 L/ F    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 ! w& i# I5 o2 T    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     10.4.2 案例分析 第11章 主成分分析   _3 M* J6 l+ x' J: J2 f+ Y11.1 主成分分析简介     11.1.1 主成分分析的几何意义 5 g5 M% f( F. x% ~+ N( l0 y7 d    11.1.2 总体的主成分 : D7 d0 r  Z0 d# ^- ?    11.1.3 样本的主成分   c6 \$ B' }3 I% B# K    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 $ ]7 {, k% \- q    11.2.1 pcacov函数 2 y9 I$ B: D- _1 g- T0 B8 d    11.2.2 princomp函数 9 R( n( V% e9 m    11.2.3 pcares函数 5 R4 L4 P" `' v6 h, B9 ~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     11.3.2 结果分析 ' d5 W5 s) w* M3 v- ]5 k11.4 案例33：从样本观测值矩阵出发求解主成分     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 ( E2 ]: N2 @8 _3 f2 f0 r# 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     12.1.2 因子模型的基本性质 & H& E6 E; ^) b    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 ! S& L$ B0 A+ F( a* ^5 z; t    12.1.6 因子分析中的Heywood现象 : O& ?- p# `0 B) L# l* B12.2 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 ; f3 y6 I  `* w1 L" ?9 U12.4 案例35：基于样本观测值矩阵的因子分析 7 w( G3 `7 ?; S2 N+ q    12.4.1 读取数据     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 w- @# a8 K  J0 a# |案例36：基于图像资料的数据重建与拟合 , M' Y0 O; L7 a! n    1.1.1 案例描述 ( a& Z$ ^/ ?8 h) B    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 2 w6 G3 b, E8 @9 R! j; i    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     1.3.1 案例描述 % ~7 T& l8 H# m5 ?2 C8 }    1.3.2 中位数算法原理 ; u9 Z* c, G: J, o( F    1.3.3 本案例的MATLAB实现一     1.3.4 本案例的MATLAB实现二 6 P) ?* T' K  |! C$ y! d7 s% z案例39：基于贝叶斯判别的手写体数字识别 2 ^6 Z. [1 u  M  G    1.4.1 样本图片的预处理 " t& e4 K' f1 R    1.4.2 创建朴素贝叶斯分类器对象 8 Q  ~$ b/ l) k2 \( c1 `1 `" o: f- C% F    1.4.3 判别效果   }; ?( Y9 ]5 ?" P! O& w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     1.5.2 图像压缩与重建的MATLAB实现 . N0 L3 @5 L3 f* g/ }附录B MATLAB统计工具箱函数大全 0 L: n* Y9 V7 `9 p( |  S5 E2 D 《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

, X8 l0 [6 O( v4 T8 a9 B% ?8 [
" p, g: K* M% Y" {4 A7 \- ^) y& d

Double_L

一个？能打开吗？