《MATLAB统计分析与应用：40个案例分析

liyan1259

内容简介： 3 A2 y; _: k. O, Z) B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。 9 C. M; a1 p& ?3 U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。 1 M* N: R8 r9 A0 L ' w/ M% {1 P' v- D0 R前    言： MATLAB、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？ - v. ]  w. o# s1 v ! n7 r5 F; K! E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： 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 1.2 MATLAB中的ACTIVEX控件接口技术 & f. L! l. ^# O: X    1.2.1 actxcontrol函数     1.2.2 actxcontrollist函数     1.2.3 actxcontrolselect函数 ) Z+ @7 J- n9 B/ p( n; h    1.2.4 actxserver函数 5 n7 R* l; u6 _, T. t    1.2.5 利用MATLAB调用COM对象 9 A* C1 x9 d1 ]& ?    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     1.3.2 建立Word文本文档 ' q; u4 O' T6 ?& R0 m    1.3.3 插入表格     1.3.4 插入图片 6 w9 }% R( Y; e% j* Q6 Y+ r    1.3.5 保存文档     1.3.6 完整代码 1.4 案例2：利用MATLAB生成EXCEL文档 $ y% Q+ ^# N  C; ~+ w# v) L+ Z  K    1.4.1 调用actxserver函数创建MicrosoftExcel服务器 , z* D$ `! f3 F- j8 o, l. @    1.4.2 新建Excel工作簿 + b; ]% }( u+ }% b& I! |    1.4.3 获取工作表对象句柄   J6 b- O# K" Y    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     1.4.6 选取工作表区域 9 |( [7 ^) Z8 G    1.4.7 设置行高和列宽     1.4.8 合并单元格 % Y! N: }8 `$ `) u1 o% G    1.4.9 边框设置     1.4.10 设置单元格对齐方式 3 I- T( R% {9 n" n    1.4.11 写入单元格内容 0 n$ q6 [/ k$ L! U    1.4.12 插入图片 ) X7 m; B9 |0 U1 I/ Q9 G1 Z9 f    1.4.13 保存工作簿 ; w: Z1 n/ ~  n0 Y0 P2 \% ^    1.4.14 完整代码 ' _4 ]  z0 X, ?! g# W, B  I2 q % h% |3 z0 U' X6 |. w* f- |9 `% |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 . N" e  X1 Y& x& S9 g, K    2.1.1 利用数据导入向导导入TXT文件 . D3 ?2 L" a: \6 Y  Z' J' t$ u    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     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 ' c5 h4 b, V- a9 w    2.3.2 调用xlsread函数读取数据 " m- @- o+ B+ I: w* f2.4 案例6：把数据写入EXCEL文件 ; x2 I" Z* o* d6 L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 % D- J4 T( E4 F% _    3.1.2 smoothts函数     3.1.3 medfilt1函数 4 Z, z' m6 T: d3 z9 x( c3.2 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 3.3 案例9：数据的极差归一化变换 6 P- _4 f/ l, D' L# [; z1 w- c/ q. y    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 ) e4 T- ]2 h1 O) |* N& j第4章 生成随机数 4.1 案例10：生成一元分布随机数 % b: P- L; H3 [% e    4.1.1 均匀分布随机数和标准正态分布随机数     4.1.2 RandStream类 ! ~! K; _6 ^- U1 w. r* R    4.1.3 常见一元分布随机数     4.1.4 任意一元分布随机数 + T( D% k; c' R$ G, f; X4.2 案例11：生成多元分布随机数 0 F- \! G8 W6 ~1 {5 g( N0 A; m& N4.3 案例12：蒙特卡洛方法 ) j5 ]' E# V6 ~% H& m1 C  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 2 s$ X5 S/ E& J  4.3.3 用蒙特卡洛方法求圆周率 6 V4 I% d7 A7 w, Z0 Z" C' t. P  4.3.4 用蒙特卡洛方法求积分   4.3.5 街头骗局揭秘 9 B8 U( X3 n! h第5章 参数估计与假设检验 ' R7 z/ o! }, W$ M5.1 案例13：常见分布的参数估计 " m' N/ U1 C! i! e1 o) i* s5.2 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     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 6 C4 ]+ L4 Y/ g) M' l    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 + H# Q% U( d) t: a/ k" e7 a5.3 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 ( y( t3 X6 K4 x# P7 j, v2 E    5.3.5 最终的结论 5.4 案例16：核密度估计 # p6 {' M3 L, f2 F" l  t! q0 i4 j    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 % s7 x3 J) c7 x1 h. U6 N6 N" ?, {    5.4.4 核密度估计的案例分析 ( I" T  r( e8 b   p7 [7 P) {  \1 G. v/ C第6章 COPULA理论及应用实例 6.1 COPULA函数的定义与基本性质 # @; S# w4 I% W7 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 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 $ L& \# t  R, U6.3 COPULA函数与相关性度量     6.3.1 Pearson线性相关系数 # s+ Q3 e! \; b- g7 D    6.3.2 Kendall秩相关系数 ) \. V) C2 b& y/ U2 w2 ]    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     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 ) K/ h6 V' I! A. O    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 1 R0 ?0 W- b% l) r    6.4.6 案例的计算与分析 $ j$ w  P5 G& n8 b' n 第7章 方差分析 7.1 案例18：单因素一元方差分析 6 G0 D& `. l3 Z6 |1 X9 G    7.1.1 单因素一元方差分析的MATLAB实现 1 f2 E* @+ ~1 V# U5 B( t" Q+ C    7.1.2 案例分析 7.2 案例19：双因素一元方差分析 9 D6 r  s# T& U. k; t$ d& X    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     7.3.2 案例分析一 4 `& E* W) S0 H6 I! L    7.3.3 案例分析二 7.4 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 + _# F8 Z6 S. M  ^; O$ D    7.4.2 案例分析 ; w6 F) Z2 ~# R# q' t7.5 案例22：非参数方差分析 5 T, Z+ u7 e$ ^! k    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 / s4 b2 d6 Q8 B% s9 M  ~ 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     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 0 ]1 p1 I  J, f7 @    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     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 & r' A6 l" i/ }3 J2 ~% O# R9 v# }    8.3.2 调用stepwise函数作逐步回归 4 r# w/ T6 l  ~9 A. u5 ~ & c/ F1 g4 z7 r5 x第9章 聚类分析 - r$ W- z3 U4 X6 |: |9 @9.1 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 9.2 案例26：系统聚类法的案例分析 7 r6 y3 K" r* H9 q9 O& F    9.2.1 系统聚类法的MATLAB函数     9.2.2 样品聚类案例 # |* T+ ?$ e/ C! d) B    9.2.3 变量聚类案例 & q" r6 M" J* K' F. b" [- a+ V+ ~9.3 案例27：K均值聚类法的案例分析 8 a' ?1 D& l7 S/ a. T+ v8 X7 ^    9.3.1 K均值聚类法的MATLAB函数 # B3 ?* p4 z4 v2 m+ B3 r    9.3.2 K均值聚类法案例 # M: Q+ }& ]8 y1 y" a* Y) s9.4 案例28：模糊C均值聚类法的案例分析 " S. _* e& ~' ~& Q  p    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   F# |5 A( u) X9 M4 K5 Z* \第10章 判别分析 10.1 判别分析简介     10.1.1 距离判别 - Z, {* S$ `7 b/ t    10.1.2 贝叶斯判别 4 A$ p! w# u* R$ ~    10.1.3 Fisher判别 7 U' B" Y; _1 e10.2 案例29：距离判别法的案例分析     10.2.1 classify函数   m' S& x0 D! u    10.2.2 案例分析 10.3 案例30：贝叶斯判别法的案例分析 , B$ I( W4 ~* V) D    10.3.1 NaiveBayes类 3 Q& T* n- D  I6 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 ! o* `# o2 N- v/ q4 m  P+ \1 N 第11章 主成分分析 6 A! ~  z+ H. T1 L/ c6 B& d1 H11.1 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     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 2 p! m% T' `- i; U    11.2.1 pcacov函数     11.2.2 princomp函数 9 o4 l8 S% V. L5 Z$ K9 D  g    11.2.3 pcares函数 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 - y7 n+ C! m1 b; p5 m- F11.4 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 2 x" I6 l# }1 R) G    11.4.2 结果分析 * r* \. Z! `' o3 [3 ?9 ?1 \- {    11.4.3 调用pcares函数重建观测数据 ! c& |! k$ {$ D# `6 R 第12章 因子分析   b6 f: \  k9 `3 s& c12.1 因子分析简介 1 f5 N. H- g% A    12.1.1 基本因子分析模型     12.1.2 因子模型的基本性质 " D% Y& j# r8 x) R3 Q    12.1.3 因子载荷阵和特殊方差阵的估计 ) D4 B( P. C" C- N2 C+ t$ `) \% i' |    12.1.4 因子旋转 5 M( T" z$ k' g$ ~# L    12.1.5 因子得分 3 k6 G7 T) J2 a    12.1.6 因子分析中的Heywood现象 - ]: p, }$ q: B  W- j) H12.2 因子分析的MATLAB函数 % s  F' R* ]! F& G  \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     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 e# m+ K. E; R: `, Z4 N* N* c1 z案例36：基于图像资料的数据重建与拟合 : x: L3 g6 g) j. z" d0 K' e' M    1.1.1 案例描述 0 O8 T+ a4 v) [% ^, I    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     1.2.2 真彩图像分割案例 % ~& m2 p; U- Z3 a案例38：基于中位数算法的运动目标检测 ) v1 G/ `: I. i0 o    1.3.1 案例描述     1.3.2 中位数算法原理 * R8 |8 j- s. a: n: e    1.3.3 本案例的MATLAB实现一 9 P, j5 g2 |. K& e7 F- @* h# C$ _5 v    1.3.4 本案例的MATLAB实现二 & ]" Q% k6 d6 B, i9 K9 g4 ~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     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 ( H6 g' F+ z, q( h& @# N    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 - d5 ^8 h! Z5 L8 {, G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

8 d/ C) a# ?7 M2 H
! Z7 w' K/ I+ P; X8 P

Double_L

一个？能打开吗？
0 k  D# {5 P# V6 y# Z- ]2 ?6 D