《MATLAB统计分析与应用：40个案例分析

liyan1259

内容简介： $ s5 Q* s+ V0 ]/ P! |" x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。 3 d# d4 P% G  W$ j% k! z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。   e( i& p4 U# ~. ~6 `" x& ~, m 前    言： ! `1 n  \0 |8 k) C+ R8 N8 E 9 Z& F8 S8 w( a, eMATLAB、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？ 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。 0 o5 d+ _& N; M目录： 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 * _* Y" P7 t9 ?: a6 R! p+ l    1.1.2 COM接口 7 v( V+ W% X  u1 \& e/ S1.2 MATLAB中的ACTIVEX控件接口技术 9 C0 R$ ?4 Q! w- x$ D3 T9 h. }    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 0 y& h& ?* c6 g( y) L0 i3 `1 F    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 9 D; e7 x7 }- m! B6 A/ A    1.3.1 调用actxserver函数创建MicrosoftWord服务器 2 Y; V. i/ p$ r* l7 g+ C9 E    1.3.2 建立Word文本文档 6 n" E# G7 N: H+ H3 J+ x. @    1.3.3 插入表格     1.3.4 插入图片     1.3.5 保存文档     1.3.6 完整代码 ! ^( _2 g- W5 c9 J9 X1.4 案例2：利用MATLAB生成EXCEL文档 9 N, i, u$ g% Z$ w6 y( }6 P" t    1.4.1 调用actxserver函数创建MicrosoftExcel服务器     1.4.2 新建Excel工作簿 ' `9 ~! V0 t4 O    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 / C' O+ X8 ]! L# T0 }    1.4.5 页面设置 $ n! d( P: m9 d% ~, _, T( W    1.4.6 选取工作表区域     1.4.7 设置行高和列宽 , I& z5 q$ R. x! b0 n    1.4.8 合并单元格     1.4.9 边框设置 8 `1 C' \/ c! L    1.4.10 设置单元格对齐方式 ' w; l( h) t4 p5 p' F  v    1.4.11 写入单元格内容     1.4.12 插入图片 / p5 d* @7 F* I. `) ?( ?, O0 E    1.4.13 保存工作簿     1.4.14 完整代码 # J. E  q! v: t6 ^6 U- m, g- h% |" Y% X - v! x3 E+ F) D& n5 I  [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 0 X* c' Y& |/ l, ^8 P& S; 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 ' }9 s/ {; L# @2.2 案例4：把数据写入TXT文件 5 M! q% ]7 ]# m" G. h% Z- r5 c  [    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   }6 n$ x7 ?* w+ B  D! g    2.3.1 利用数据导入向导导入Excel文件 : U  o9 {, D0 e% C    2.3.2 调用xlsread函数读取数据 * m" @# A% W2 ^7 n  W' n( j2.4 案例6：把数据写入EXCEL文件 & U6 {3 K, x- e4 O* ?: c第3章 数据的预处理 / V3 c. W6 k6 K2 V" q/ R9 z3.1 案例7：数据的平滑处理     3.1.1 smooth函数 0 m; c+ L( Q/ z- c" K" R% a5 W. J    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 $ m! M2 E3 B4 u    3.2.1 标准化变换公式 * }  _- M. ~/ C# S6 h/ [    3.2.2 标准化变换的MATLAB实现 / _- N9 [. E+ R; X7 N! Z3.3 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 : |* t! V! k  }8 V" f0 j9 o) W9 y ) e) d# G" m& C9 L5 a  W  b第4章 生成随机数 1 }4 c" ?& L0 M. r/ m% w, l4.1 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 2 m5 a. P% i* q, [6 D2 H+ o    4.1.2 RandStream类     4.1.3 常见一元分布随机数 $ r& J& E  d+ T! P2 Z4 N2 ~    4.1.4 任意一元分布随机数 1 o& z+ S6 A7 B' @4 a* V4.2 案例11：生成多元分布随机数 2 R+ {  ]. s- z; P4.3 案例12：蒙特卡洛方法 5 _( x- u8 G' t1 c2 }" r7 Z  4.3.1 有趣的蒙提霍尔问题 # c7 p4 j" R5 {# I- T* l( N  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 & _+ V6 ^) g0 J4 ~  4.3.4 用蒙特卡洛方法求积分   4.3.5 街头骗局揭秘 3 l) K! G4 [; a% v# Q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     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 . ^( }% N: Y4 w! _. K) {! P2 N    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 5.3 案例15：分布的拟合与检验     5.3.1 案例描述     5.3.2 描述性统计量     5.3.3 统计图     5.3.4 分布的检验 9 _$ Q! \5 f* H7 G0 d    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 - k1 o% ?9 g' [8 l+ z    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 第6章 COPULA理论及应用实例 # {3 M, B9 I' T0 z6.1 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 9 U( n* l; o# i1 s; D& ^6.2 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 9 \8 V# A6 I% W" A    6.3.2 Kendall秩相关系数     6.3.3 Spearman秩相关系数 % Z; R- d7 H' D7 q' T    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     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     6.4.6 案例的计算与分析 # {0 U0 l& M) i9 m第7章 方差分析 9 n8 f) f" b  _$ ^# J* E, Q7.1 案例18：单因素一元方差分析 ; J) q; F+ x  X7 W/ ]8 W( b/ A+ A    7.1.1 单因素一元方差分析的MATLAB实现 : B# J5 a! p5 g$ z0 L    7.1.2 案例分析 % m; U$ G9 T  N! _) b7.2 案例19：双因素一元方差分析 + ~- N. I2 p3 F    7.2.1 双因素一元方差分析的MATLAB实现     7.2.2 案例分析 ' x% y% _" h0 B) _+ l% ]7.3 案例20：多因素一元方差分析 3 _5 C2 `4 C- S, g# k    7.3.1 多因素一元方差分析的MATLAB实现     7.3.2 案例分析一 ( w4 D' p/ _  o& V    7.3.3 案例分析二 7.4 案例21：单因素多元方差分析 6 x+ B! n& B9 I: F0 I    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 8 s' |: G( V6 p; G) W8 G& 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 第8章 数据拟合 8.1 案例23：一元线性回归分析     8.1.1 数据的散点图 * e1 k8 \9 W) b  x2 j    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 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 6 I, m+ d+ f9 l/ j    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 # k) v3 y; z# V0 z- h0 `6 v    8.3.2 调用stepwise函数作逐步回归 * b; {8 a- u& q( x- ^( |第9章 聚类分析 9.1 聚类分析简介 " o* S/ h. |) h4 q$ X* U    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 / _/ g* i7 |' P# N2 F4 K; Q' m    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 5 w$ \6 x; m5 M9 v% r4 k0 i& h    9.2.2 样品聚类案例 2 g% Z6 B/ @* p& C' p& y/ ]    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 6 {" {% m& N2 W' Y& @    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 4 x0 v* y3 N3 n% ~' S4 [    9.4.1 模糊C均值聚类法的MATLAB函数 9 s! d- y# U+ F    9.4.2 模糊C均值聚类法案例 # \1 _7 A5 ~; p8 z $ ?' p- |9 E& ]" _% |$ G/ T第10章 判别分析 10.1 判别分析简介     10.1.1 距离判别 ' L( R$ W3 t# Y  z9 F    10.1.2 贝叶斯判别     10.1.3 Fisher判别 5 i* x' Q% x9 c2 M( ]% S- B10.2 案例29：距离判别法的案例分析 & p* G# `, H7 E( {6 x8 P+ G    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 7 R) h% k, d$ w    10.3.1 NaiveBayes类 ! ~: n9 U# \: l. ?8 G/ b    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 & d( K3 o, e9 F& h$ u1 o; [, f    10.4.2 案例分析 % D9 `1 _+ W4 w5 ^+ q $ p6 L( S4 {1 l: d7 Z. w) D第11章 主成分分析 11.1 主成分分析简介 1 O0 i0 L- O2 H1 ^    11.1.1 主成分分析的几何意义     11.1.2 总体的主成分 $ l" g# W4 g& ^+ b8 z) G- F    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 1 V- g0 e0 T& u+ ?    11.2.2 princomp函数     11.2.3 pcares函数 $ v# s# r7 n  E; G0 Y/ h6 a: `5 |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 * V  l% ?. L: m: S9 B11.4 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 ( a3 j% t- L7 G" p5 Q    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 8 y, \, g" n1 @6 f& J# K/ q12.1 因子分析简介     12.1.1 基本因子分析模型 3 S! w' d% @1 ?, i3 ?: ]    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 + W) F0 f# ]8 o; Y" q- @    12.1.5 因子得分 % p1 T* d# i+ P6 M+ Y6 P    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 1 O! B5 t/ B2 q) B6 L* {12.4 案例35：基于样本观测值矩阵的因子分析     12.4.1 读取数据     12.4.2 调用factoran函数作因子分析 . I% _* z. @+ g; d 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 $ T* i7 Y1 Y% R% L    1.1.1 案例描述 - K; d+ h$ d) |: K: M; V( K# ?' j    1.1.2 重建图像数据 / D& @8 y5 B) l5 @! u2 {2 ^1 f    1.1.3 曲线拟合 ! s& W) f: u9 H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 ; ]  `5 y* [6 ], F! q/ b( T案例38：基于中位数算法的运动目标检测 ) B$ G" I$ E2 w' I, u' o    1.3.1 案例描述     1.3.2 中位数算法原理 ' P' |* [: U# s    1.3.3 本案例的MATLAB实现一 , H% r# }5 T" n# o0 z    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     1.4.2 创建朴素贝叶斯分类器对象 $ t, ~+ o; [  T1 L: j5 \+ `    1.4.3 判别效果 " g! e% f% z( |, ?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 ' {% }% q3 I% ^; i& p+ h$ A    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 7 I  K* y. B4 T8 a$ f 《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

" m2 _  A$ u9 t7 ?/ A- R* G
+ d# C& A# m0 S4 a. s+ h9 Y1 j5 s

Double_L

一个？能打开吗？
& b* r' ]9 g6 O" d, Q0 [( ~$ v