《MATLAB统计分析与应用：40个案例分析

liyan1259

内容简介： 9 ~5 P- N* w4 C* j; a, V" a+ f2 R, 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。 + ^% w3 ~( l' P/ \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。 0 G; \  R' U4 \% H! k 4 X- L1 I1 \, {* D% |前    言： 7 r; Z5 M9 q: {, K ; h9 k! b. m4 h! O* XMATLAB、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？ & w! L3 p" b% d 4 |) `2 S$ {# ^: I. F; F* 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。 3 S/ {( x; i  X/ B# h( D% o目录： ; c. e, m) Q1 E  I/ X4 Z+ k第1章 利用MATLAB生成WORD和EXCEL文档 % @8 c9 J; I( D6 P" A; ~8 a" u" k1.1 组件对象模型（COM） 0 P/ p3 H) V& j2 T; Y! c3 v0 G    1.1.1 什么是COM     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     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 : j" `) ~" e2 x  d- b5 t1.3 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 2 @  E" j) c4 [6 C- d  Q    1.3.3 插入表格 3 U, @( b( {" ?; k' [) @    1.3.4 插入图片     1.3.5 保存文档 ; `$ e+ |, \0 j7 j$ |/ D; U; ]9 L0 l) v    1.3.6 完整代码 * A5 ^3 e$ _1 {( n* v' R% S1.4 案例2：利用MATLAB生成EXCEL文档 3 x" ]  M8 l; S$ q8 f" l4 ]6 r    1.4.1 调用actxserver函数创建MicrosoftExcel服务器     1.4.2 新建Excel工作簿     1.4.3 获取工作表对象句柄 7 P2 ?$ p/ t2 u1 x3 T& ~    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 ) C5 a) S0 w+ A0 ~1 l" m' L4 s- [5 R    1.4.6 选取工作表区域     1.4.7 设置行高和列宽     1.4.8 合并单元格     1.4.9 边框设置 9 X" I/ |2 M: P5 ~9 p4 M    1.4.10 设置单元格对齐方式 6 W2 @, b1 f# W9 ]    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     1.4.14 完整代码 , e8 S/ I& N& b4 u5 q1 y1 k第2章 数据的导入与导出 : h/ B+ J: e/ L! ~+ B# x3 ^1 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     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     2.2.1 调用dlmread函数写入数据   P" @4 K. r* m* c) G$ t, A3 R    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 ( f: j. S" k1 U( l1 R+ ]; J    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 k4 T) V# b9 D/ C5 [2.4 案例6：把数据写入EXCEL文件 6 O9 a6 U: u  w2 r 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 6 Y; ~7 x( g; o' Y: O4 l    3.1.2 smoothts函数 1 q- ~- E6 }$ o4 L' Q! l/ x    3.1.3 medfilt1函数 * I; C3 K, N4 v$ J& U3.2 案例8：数据的标准化变换     3.2.1 标准化变换公式 9 X* `& R' o4 ?" _$ c; V4 {  `0 @    3.2.2 标准化变换的MATLAB实现 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 # N5 A( j3 a8 \" [2 N0 e( `# |    3.3.2 极差归一化变换的MATLAB实现 第4章 生成随机数 4.1 案例10：生成一元分布随机数 + l0 K5 w; B. Q/ Z! o( P1 n' L    4.1.1 均匀分布随机数和标准正态分布随机数 $ k* {( u$ `  z1 `6 F- d    4.1.2 RandStream类 3 q/ N, Y" _2 V( J2 X  ]    4.1.3 常见一元分布随机数 / L- w6 [9 n0 n; k$ ~  X* k    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 ! L$ g: e* y+ N- X4 ]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 $ m  J) I6 {5 n% Z" Y- T$ ~  4.3.3 用蒙特卡洛方法求圆周率 6 L6 u- M: G5 ?  4.3.4 用蒙特卡洛方法求积分   4.3.5 街头骗局揭秘 1 p6 \2 |& b0 H) K! a第5章 参数估计与假设检验 " w3 D# r5 r( ~5.1 案例13：常见分布的参数估计 + W* C6 Q0 J+ j5 v+ B5.2 案例14：正态总体参数的检验 : e* \7 U  {3 W7 N    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 ! T1 K' I/ H+ t4 n4 J7 E9 [    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 / m7 \% K  }  g/ A9 m- w2 e5.3 案例15：分布的拟合与检验 + t8 I1 A! ?! k2 X' ]4 C6 u8 q    5.3.1 案例描述 % d# e2 M# a. W; J' f0 s* x    5.3.2 描述性统计量     5.3.3 统计图 1 d# `" Z+ c- f: `9 J  i& m    5.3.4 分布的检验     5.3.5 最终的结论 . e; b, ?- D+ `5 S$ _5.4 案例16：核密度估计 4 d" m9 |) \; o9 T    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 2 l0 e2 P; T7 N7 D    5.4.4 核密度估计的案例分析 9 O' {9 t3 B# C第6章 COPULA理论及应用实例 1 n- @8 Q" i$ q+ J6.1 COPULA函数的定义与基本性质 & s' V) T1 s) a    6.1.1 二元Copula函数的定义及性质 % z; M/ i  H! a' s, q/ b. n" |1 O    6.1.2 多元Copula函数的定义及性质 : I+ v4 b: w+ D- D& ?2 [6.2 常用的COPULA函数     6.2.1 正态Copula函数 ' P& z0 b" K4 n    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     6.3.2 Kendall秩相关系数 + L6 s" x! z0 Z& F4 s! c2 r    6.3.3 Spearman秩相关系数     6.3.4 尾部相关系数 1 c: w* ^4 u2 w: {    6.3.5 基于Copula函数的相关性度量 & \' N( d6 w4 {5 V2 E    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     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     6.4.4 参数估计     6.4.5 与Copula有关的MATLAB函数 $ t( s7 X  x$ n. e" H3 k" x    6.4.6 案例的计算与分析 $ t& A3 u+ r: H% U 第7章 方差分析 6 K( Y" J8 V2 `! 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     7.1.2 案例分析 7.2 案例19：双因素一元方差分析 - i0 V( k# w) U6 G! E    7.2.1 双因素一元方差分析的MATLAB实现 ( J/ p9 J/ L/ p6 _    7.2.2 案例分析 6 J3 A! L. ?) v3 i/ |) b; G& I" O+ z7.3 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 . T) B) V0 K; ]; Q. ^4 Q    7.3.2 案例分析一     7.3.3 案例分析二 7.4 案例21：单因素多元方差分析 & [) B2 ^# c* c    7.4.1 单因素多元方差分析的MATLAB实现 ( M' o  a, d3 s7 ]8 l    7.4.2 案例分析 ( t8 C2 ?1 g6 b/ k5 I7.5 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 , J( Z' I, F7 D* Q . [. I, Z+ x9 |, T1 b第8章 数据拟合 ) T; @1 A. n- U+ p8.1 案例23：一元线性回归分析     8.1.1 数据的散点图 , Z2 @4 F; M+ G$ `    8.1.2 调用regress函数作一元线性回归分析 8 A  k- o( I# {1 ~; y    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     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 4 K! A7 ~6 i2 c+ w" e    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 2 v' H; |- i/ l: X/ u    8.3.1 调用自编reglm函数作多重回归分析 ( {! [7 i6 `0 a    8.3.2 调用stepwise函数作逐步回归 第9章 聚类分析 $ g6 Y8 A# \  p; p$ G. ?9.1 聚类分析简介 . F0 W! ~4 E! m4 [, O. W    9.1.1 距离和相似系数 0 H& O( `+ C: g% V/ q- J    9.1.2 系统聚类法     9.1.3 K均值聚类法 / z$ c0 v4 e' m& a    9.1.4 模糊C均值聚类法 6 ]1 j# u' w$ M& B7 `1 V  T9.2 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 ( }' D! L% {* e( m/ Q2 \    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 ; j! t8 m* Z$ t9 h( h$ F3 R    9.3.1 K均值聚类法的MATLAB函数 # |/ a2 {5 n  X- T6 H1 i    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 ' y% I6 N0 s% C/ c5 }7 J; N) @    9.4.1 模糊C均值聚类法的MATLAB函数   i4 e" j; b% Z- b; j2 _( Z- V    9.4.2 模糊C均值聚类法案例 8 d. `- M: m" H& C0 d' q, I " }; m$ M& A1 n: b. x0 o7 p第10章 判别分析 - j3 Q+ r, a' ^  P10.1 判别分析简介     10.1.1 距离判别     10.1.2 贝叶斯判别 # c& _2 j: w) D  L# ~! L    10.1.3 Fisher判别 10.2 案例29：距离判别法的案例分析 5 l9 e$ p8 k0 Y( f* w    10.2.1 classify函数 % A: b$ o' A, h7 J+ 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     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 - N: l- b  E$ P7 l; { 第11章 主成分分析 & j: M) f! H/ A, K11.1 主成分分析简介 2 [% _4 e' W9 S" r$ p% a    11.1.1 主成分分析的几何意义     11.1.2 总体的主成分 ) z0 w4 v0 }3 T9 Y    11.1.3 样本的主成分 ) }" w5 X/ y# H% L5 ?6 r4 i- K& n    11.1.4 关于主成分表达式的两点说明 " W; q& o  A* ?# o. [! |7 M* P6 i  r11.2 主成分分析的MATLAB函数 # o) p+ x0 b% w) O    11.2.1 pcacov函数 : t/ Q1 `' b; G& T+ r5 y+ X$ r0 I, X    11.2.2 princomp函数     11.2.3 pcares函数 8 a; e, M1 j& U2 M+ I4 e: 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 ! {. ^" [0 Z# T7 f    11.3.1 调用pcacov函数作主成分分析 9 V7 X9 k) d8 W$ e2 y! L. ?    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 , ^# e" w6 r$ {! H( V. ^" O    11.4.1 调用princomp函数作主成分分析 0 C2 ]0 _$ Z0 Z6 F, h1 _% s2 c2 a9 u    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 ( m' ^. l- c8 P8 G7 f/ o! C- O    12.1.1 基本因子分析模型 9 J1 K* m  [  F0 l    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     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 % _( J: g" J( c; L: ~7 n/ b% A2 K8 b    12.4.1 读取数据     12.4.2 调用factoran函数作因子分析 8 A9 e$ N- @5 I! y4 Q) E 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 5 Y4 _* J5 a; N; F6 G& v    1.1.1 案例描述     1.1.2 重建图像数据     1.1.3 曲线拟合 * [& C5 _& Q8 H- o* v& y案例37：基于K均值聚类的图像分割 - A- |7 k. h5 D7 F& f    1.2.1 灰度图像分割案例     1.2.2 真彩图像分割案例 0 Z8 w, C7 d- L3 U" X案例38：基于中位数算法的运动目标检测     1.3.1 案例描述 $ m0 c9 I3 E6 M7 }3 y0 z    1.3.2 中位数算法原理 4 i' R3 m! W: t) v" C+ v    1.3.3 本案例的MATLAB实现一 . p* l4 W  N% j2 m, D& _8 g    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 + ]2 n2 O' q  i& I, a4 }1 B  X$ O    1.4.2 创建朴素贝叶斯分类器对象     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     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 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

Double_L

一个？能打开吗？
8 Y! o7 f1 L  t/ X9 c: B