《MATLAB统计分析与应用：40个案例分析

liyan1259

内容简介： : L& F# O/ H5 u/ w1 L. a! S ! F, g& d1 s) k. [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： 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？ & m- x6 T4 s' {4 T, a. f+ q 6 t. Y$ q' ?$ s3 {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： 1 `/ x4 t" h: O/ S第1章 利用MATLAB生成WORD和EXCEL文档 ' v; I+ i+ d; |8 C! k1.1 组件对象模型（COM）     1.1.1 什么是COM : I& q7 R0 \" f& M, _6 Q  v7 K    1.1.2 COM接口 1.2 MATLAB中的ACTIVEX控件接口技术 ; h5 i. a2 a' ^1 l& I8 A  [    1.2.1 actxcontrol函数     1.2.2 actxcontrollist函数 # O* f- ], u6 {$ Y, m. p    1.2.3 actxcontrolselect函数   K+ M! f+ D* D; k    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 1.3 案例1：利用MATLAB生成WORD文档 0 j6 K& C( t( ~8 H0 ]% a7 a    1.3.1 调用actxserver函数创建MicrosoftWord服务器   \8 U6 A7 l6 @! Y    1.3.2 建立Word文本文档     1.3.3 插入表格 6 n- U0 a9 i0 @. F    1.3.4 插入图片 , C& s- b3 v! K% O4 j1 Z    1.3.5 保存文档 7 O4 H' |8 q! C) D: p) \& x    1.3.6 完整代码 1.4 案例2：利用MATLAB生成EXCEL文档     1.4.1 调用actxserver函数创建MicrosoftExcel服务器 4 N0 e$ L0 I- f    1.4.2 新建Excel工作簿 4 x7 Z9 ^. |1 ?3 D/ b, Z    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     1.4.5 页面设置     1.4.6 选取工作表区域 # N* Z  j* u2 k; K# r3 Q' s    1.4.7 设置行高和列宽 / z2 g2 i! Z: D/ @. u( K% P! l    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     1.4.12 插入图片 " ~5 }: {& J- @5 I7 t0 W1 v: m# E" P    1.4.13 保存工作簿     1.4.14 完整代码 * `1 d% f" E' b3 X" o / f# H4 y( d, V( h& g第2章 数据的导入与导出 6 o7 T% g7 D  a1 e& e' ^' d2.1 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 6 K* J# B; Q/ ^* x4 A9 \1 _    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 . w" r' @, }2 k6 s+ c7 D2.3 案例5：从EXCEL文件中读取数据 $ N' g, w4 p! B* \5 y    2.3.1 利用数据导入向导导入Excel文件 ; L! [& ?$ @1 z    2.3.2 调用xlsread函数读取数据 1 ?7 U# B* V+ d+ x( ?: p2.4 案例6：把数据写入EXCEL文件 , E9 H2 x# V6 ` 0 g$ X0 g* _: W5 A# |1 a) w$ O1 O' ]- Q第3章 数据的预处理 5 x) Q$ O, D! Z% u3.1 案例7：数据的平滑处理     3.1.1 smooth函数 ( I+ b6 E! L9 M8 y    3.1.2 smoothts函数 ! }9 Q1 r- a4 W    3.1.3 medfilt1函数 ( ]1 F6 V, g3 y+ q9 J! {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 : W# T4 b4 H- G9 {0 H0 f) P5 |. Q3.3 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 : Q/ p' ~: k, \* O/ B8 O( S- X3 G    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     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 $ s% Z: s# \" O9 X9 ~" v9 d% V    4.1.3 常见一元分布随机数 6 x$ d  d$ j9 b  f. ?# {    4.1.4 任意一元分布随机数 & x- L( \2 B( M1 V/ g/ S4.2 案例11：生成多元分布随机数 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   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   4.3.5 街头骗局揭秘 , F: B. x% u; m: o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 ' @4 ~# l/ M. R1 k    5.2.2 总体标准差未知时的单个正态总体均值的检验 ( J1 F% Z/ L9 z1 k    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 , P# s1 O# G# c7 g* R3 s3 h# b# Z    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 " r! h" n3 v% y* o2 B  Q9 ?5 U    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 : X$ g4 v) m( d' y4 {    5.3.5 最终的结论 5.4 案例16：核密度估计 ' a; D2 o) o+ G    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 ; i* P( K0 }6 t9 \$ }  e    5.4.4 核密度估计的案例分析 ! G& {& T2 r1 H* P/ Y" @% Z+ P - q' m% i! E% O7 M# b第6章 COPULA理论及应用实例 2 v( d( t- m/ f6.1 COPULA函数的定义与基本性质 9 b. V: E, q+ `; t$ l- f! 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 / {  `' w' B! L' r. A  K    6.2.1 正态Copula函数 ' {9 {# b6 w; f# t$ {3 z    6.2.2 t-Copula函数 9 w; J; l+ ]* |. l    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     6.3.3 Spearman秩相关系数     6.3.4 尾部相关系数 8 b, P1 @! b2 \! ^( R    6.3.5 基于Copula函数的相关性度量 ) [0 U% }" K! F: P$ W    6.3.6 基于常用二元Copula函数的相关性度量 / o  u7 u) X: U$ p- o6 [* f7 u/ u6.4 案例17：沪深股市日收益率的二元COPULA模型   r2 E! {7 k# X& V    6.4.1 案例描述     6.4.2 确定边缘分布 - L7 V( Q- s6 A# Q$ a    6.4.3 选取适当的Copula函数 3 [0 O8 |2 R" M3 V0 H) b( l" B4 @    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 : V1 v, p- U- r8 Y! C4 k, G第7章 方差分析 0 p) S. U0 H$ ^7.1 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 - u0 y1 e* l% D0 m" g; H7 E2 e1 Q    7.1.2 案例分析 7.2 案例19：双因素一元方差分析     7.2.1 双因素一元方差分析的MATLAB实现 4 P! q$ F( }+ C2 j% d! }    7.2.2 案例分析 , e. n, `' s7 |( G; Q% p7.3 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 5 e! ?9 C9 y, w2 ]/ k. b; L; d% G6 ~    7.3.3 案例分析二 7.4 案例21：单因素多元方差分析 % n4 E3 ]" J; T+ e    7.4.1 单因素多元方差分析的MATLAB实现     7.4.2 案例分析 1 d6 h' G2 L8 G7.5 案例22：非参数方差分析 + {) M$ y5 {& {' x    7.5.1 非参数方差分析的MATLAB实现 - {3 Q. L, o- `4 y2 T  x    7.5.2 Kruskal-Wallis检验的案例分析 9 W( ?+ `: N3 V( h) S    7.5.3 Friedman检验的案例分析 " @8 s, Y$ W, U2 A& X, [ & |7 g, D. r4 O( v* e  U, x/ j$ i第8章 数据拟合 ) z5 _* ?& S% F8.1 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 ' f$ j0 u6 e( w! T& F! e1 n# Y* t    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 ( K! u8 F2 ?. A: E; O) x  _    8.2.1 数据的散点图 ( [3 D+ y' a7 ~* W9 a, q5 N    8.2.2 调用nlinfit函数作一元非线性回归分析 ' h, q# K) W" J( t' x1 l! T    8.2.3 利用曲线拟合工具cftool作一元非线性拟合 * v' x: T3 O9 T6 q& s: p! Z8.3 案例25：多重回归分析 : O# \, h* J( w4 f7 r$ `    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 + d% R7 r/ y: F& m2 l4 M4 a 7 s3 z0 e9 \8 w8 R7 y" I4 n; Z第9章 聚类分析 + B3 F) y: r  a, X' c& b9.1 聚类分析简介     9.1.1 距离和相似系数 2 t+ X4 s( m5 m% `: {) Z    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     9.2.1 系统聚类法的MATLAB函数     9.2.2 样品聚类案例 ' a1 b& p8 t4 v4 T; j6 S    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 * H0 \% B: j& i% y. R( [+ x    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 - T' K& c5 B! I7 Z9 g/ L    9.4.1 模糊C均值聚类法的MATLAB函数 6 \+ |8 C2 s# K* S  v    9.4.2 模糊C均值聚类法案例 & a3 l, h' A3 G ! [' A1 _( E. k+ m0 ~/ M' X6 d+ |6 E第10章 判别分析 10.1 判别分析简介     10.1.1 距离判别 % R) S$ ~5 Y# X, A3 O    10.1.2 贝叶斯判别 0 k  j0 Z9 e# {8 @5 a  R    10.1.3 Fisher判别 ( R3 c, j. E4 z10.2 案例29：距离判别法的案例分析     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     10.3.1 NaiveBayes类 8 K2 L# U$ D6 f# M4 T( i, @( ?- V    10.3.2 案例分析 9 V1 x; Q2 c  N& w3 |: y10.4 案例31：FISHER判别法的案例分析 - T. u) P- T& k# T5 y. X8 N9 |    10.4.1 Fisher判别分析的MATLAB实现     10.4.2 案例分析 2 U7 k8 a! y  S  C2 H7 h$ e 第11章 主成分分析 11.1 主成分分析简介     11.1.1 主成分分析的几何意义 0 z0 d! q$ g% c) A0 [5 ~    11.1.2 总体的主成分 2 L8 Y, F2 o  V2 H) Q$ ^2 ]    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     11.2.2 princomp函数 1 X; x0 h8 H, T: J# J    11.2.3 pcares函数 # @7 g* g0 ]  }. z( h" f3 a, j) |, z11.3 案例32：从协方差矩阵或相关系数矩阵出发求解主成分 2 B5 g& N" p/ U1 ^& s& v" \    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     11.4.1 调用princomp函数作主成分分析     11.4.2 结果分析 ; W" B+ e0 I( g1 M# I0 @2 I    11.4.3 调用pcares函数重建观测数据 - {2 _" q3 J1 D  h3 z # A! \' Q+ A. B4 }" V9 F! L- `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 0 Z. D% m) j- e; O+ x2 ~    12.1.3 因子载荷阵和特殊方差阵的估计     12.1.4 因子旋转 ) f6 b" j# _1 [* J. R. g    12.1.5 因子得分     12.1.6 因子分析中的Heywood现象 ' B& d- @, S0 }6 J12.2 因子分析的MATLAB函数 2 r; T3 o3 J9 A  [12.3 案例34：基于协方差矩阵或相关系数矩阵的因子分析 3 @# S+ v! S2 y$ X  o) C3 T$ u12.4 案例35：基于样本观测值矩阵的因子分析 * {) {! [3 |: a5 c, `    12.4.1 读取数据 * U4 w5 [4 ~  a' C+ e    12.4.2 调用factoran函数作因子分析 & ^" v3 @7 ?5 G1 X, `" N附录A 图像处理中的统计应用案例 # N) n  h$ Z" q% ~* }案例36：基于图像资料的数据重建与拟合 0 u  H- e; Z! T& Z" {0 ^" d% g, ^; {6 P    1.1.1 案例描述   G1 }! t0 V$ [" l! L1 t* ~9 s    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 " N! K! y$ i( L" p( [* U6 `7 k, {1 K    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 ; ~2 D7 [! S/ h, j2 s    1.3.1 案例描述 # X; z$ _. v" O0 f* A    1.3.2 中位数算法原理 5 M8 D* {# L' @; W# e% S    1.3.3 本案例的MATLAB实现一     1.3.4 本案例的MATLAB实现二 # U. L. G4 d* n! o案例39：基于贝叶斯判别的手写体数字识别 6 W* p3 d/ q/ ?" \7 R    1.4.1 样本图片的预处理 / w( q4 H7 V! T8 }' G  T    1.4.2 创建朴素贝叶斯分类器对象 % P& x9 ^: g+ W! @4 J7 T    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 * {$ B# A! h4 ~& Y    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

1 z; I, Y- b* f  r9 d

Double_L

一个？能打开吗？