《MATLAB统计分析与应用：40个案例分析

liyan1259

内容简介： # o" D3 R/ w# I 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。 0 \* O$ a) t' L6 t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： + T3 T( W/ a: |2 K7 x! m" @ ( S/ Q+ H& `& k, m9 D: ^& NMATLAB、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？ % P) o  A4 }$ F4 l/ K 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： 2 G' ^& r' f/ y% Q) a第1章 利用MATLAB生成WORD和EXCEL文档 1.1 组件对象模型（COM） & E. _( v4 E2 F( ^    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 4 E5 W4 d7 _* [/ @" v2 v    1.2.4 actxserver函数 ! N7 s( e- e7 ~6 E2 K1 ]* O    1.2.5 利用MATLAB调用COM对象   r1 f9 y/ \+ C% F* y- F    1.2.6 调用actxserver函数创建组件服务器 + c  j1 c- W% y- W1.3 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     1.3.3 插入表格     1.3.4 插入图片 - _# ?% a3 T. G+ X    1.3.5 保存文档 : M% t6 Q  r( |0 S    1.3.6 完整代码 0 q* N2 `  A: h. l# L/ g1.4 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 ; T0 K+ a& I  d    1.4.2 新建Excel工作簿 7 K) K2 L5 G* N+ x; k' i" ^9 r    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 ) x' f" T+ I) y" L( K- Q! d    1.4.5 页面设置 # a" x" d/ H, t% e/ U    1.4.6 选取工作表区域 0 L& X+ B) c2 s8 w# [    1.4.7 设置行高和列宽 6 A& J3 M# h# l7 X. 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 & S0 h1 ?) q: D% i$ T    1.4.12 插入图片 . S: Q1 m0 v* w0 S* |/ ]' ~    1.4.13 保存工作簿 ! H0 S7 h6 U/ _' N5 u# R) F    1.4.14 完整代码 ! o  E3 s2 q: ~% U( O2 S4 Z1 w第2章 数据的导入与导出 - t" t, K) Y/ ^" n+ i2.1 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 6 j$ q; j# z: d* O" L3 y' g, b    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 m* E) [% z; I0 K. F. k0 M    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 2.4 案例6：把数据写入EXCEL文件 第3章 数据的预处理 # }" w, T' A6 K+ @3.1 案例7：数据的平滑处理     3.1.1 smooth函数 4 c! L0 ~" O0 e+ v6 x4 D. `    3.1.2 smoothts函数 , K& {0 G" |: E3 ~    3.1.3 medfilt1函数 $ I& S+ }( X- ~+ S% A6 x# k3.2 案例8：数据的标准化变换     3.2.1 标准化变换公式 4 H) h5 q* E# ^$ u$ D    3.2.2 标准化变换的MATLAB实现 + W  r9 p9 Y2 U1 A. b7 s: r) n3.3 案例9：数据的极差归一化变换 / F( o9 s5 H0 J' ~# l) E; 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 . y+ C! n& v( C 第4章 生成随机数 ) F( v/ }& q' v' H  `3 f. z) t4.1 案例10：生成一元分布随机数 7 W' _" v- _2 w; p9 k# |    4.1.1 均匀分布随机数和标准正态分布随机数 & R3 t; L6 c$ t    4.1.2 RandStream类     4.1.3 常见一元分布随机数 + }* F+ W  J5 p1 v    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 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 # e0 z: Y/ X# w  q) v! U  4.3.4 用蒙特卡洛方法求积分   4.3.5 街头骗局揭秘 & v9 G2 b9 R2 ?0 E, K* d& A3 e+ T第5章 参数估计与假设检验 ' S  p$ H# D9 i; h4 R' t) k( [6 y5.1 案例13：常见分布的参数估计 * m7 K* H2 G+ B: Z! V7 V5.2 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 8 o( [/ K# K7 r5 E8 R    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 ) a1 V. w6 J; n( V) W7 y3 M    5.2.4 总体均值未知时的单个正态总体方差的检验 & o4 q: e; k) g; v. v- D    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 * O2 t: R! u8 s    5.3.2 描述性统计量     5.3.3 统计图 7 g: c- W; ^, r; O7 E    5.3.4 分布的检验 : f( o/ y2 }$ h, r: X) s8 Q+ C6 W    5.3.5 最终的结论 5.4 案例16：核密度估计 0 R6 C3 e% ^1 X4 h    5.4.1 经验密度函数     5.4.2 核密度估计 3 R8 D% ?6 L* `5 F( h  }* w    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 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 0 Z) P$ o: {' h1 [# l5 c( ^7 t    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 ' ^; M. z1 f* T* z    6.2.2 t-Copula函数 , }5 G2 A  T& E+ R  P) w    6.2.3 阿基米德copula函数 ) c6 q) u4 r8 j5 J2 y4 U6 }3 N6.3 COPULA函数与相关性度量 $ ]9 a; n$ F, h    6.3.1 Pearson线性相关系数     6.3.2 Kendall秩相关系数 ' v! _; ]2 y0 d- u2 g' u4 E    6.3.3 Spearman秩相关系数     6.3.4 尾部相关系数 / H( \& y* G! b/ Z: ]" i    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   O: _' a9 S- G1 \+ x- @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 - C- O5 B6 m1 I4 h6 s& C7 O' Q    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 O( U0 I1 _) y+ ?+ o    6.4.5 与Copula有关的MATLAB函数 3 A, ]# [/ s5 z/ g' u3 S    6.4.6 案例的计算与分析 第7章 方差分析 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     7.1.2 案例分析 + y" H' o! n6 ]! K7.2 案例19：双因素一元方差分析 . V0 p% V# F4 l! ]    7.2.1 双因素一元方差分析的MATLAB实现 ( u, j' a" N8 ~0 D    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 z9 j6 t' f7 z- c# }$ ~4 W    7.3.2 案例分析一 9 D% R! D1 {( q5 H    7.3.3 案例分析二 2 N& |: F9 H$ F- _, i* X; i7.4 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     7.4.2 案例分析 7.5 案例22：非参数方差分析     7.5.1 非参数方差分析的MATLAB实现 " L; t) C3 N1 j1 W) m3 S7 S    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 . N- c& ~; h) H5 X9 K( `+ S4 U    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 ) f' V+ |( c$ N5 ]. r    8.1.3 调用regstats函数作一元线性回归分析 6 G. a' q1 F8 v    8.1.4 调用robustfit函数作稳健回归 . B( U% G- E# q8.2 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     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     8.3.2 调用stepwise函数作逐步回归 + U! [4 T; p0 [) `4 o  n 第9章 聚类分析 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 : {7 Y6 ?9 ?, ^% Z2 m. x! F* F    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 1 H, j/ \8 f9 @1 [% h    9.2.2 样品聚类案例 , |1 e5 B; j, R: p    9.2.3 变量聚类案例 & y2 F! \. U- n- @+ s+ [, V! g+ Z9.3 案例27：K均值聚类法的案例分析 ! c6 y  B  s& y1 H8 y    9.3.1 K均值聚类法的MATLAB函数     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 % M8 J5 H" |; \$ ^    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 ( ?7 O+ x5 Z8 I4 }9 S& I8 X3 z . l" N* i( q: f$ t/ z9 x; k第10章 判别分析 10.1 判别分析简介     10.1.1 距离判别     10.1.2 贝叶斯判别     10.1.3 Fisher判别 3 A0 G, e7 Q  O/ |1 P10.2 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 5 |7 F3 |6 S% f8 Y# n/ y10.3 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 , u! f7 ^* S8 Q: a# L1 ]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 5 x/ b  o' I# c. \    10.4.2 案例分析 ; J9 C) V; B8 Z- H# ~+ V 第11章 主成分分析 11.1 主成分分析简介 : K, h6 D( C$ _  f5 }  B7 G$ k' Z5 ~$ {    11.1.1 主成分分析的几何意义 " @& |) _/ L# l    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 % N7 o' E7 {, }2 v    11.2.1 pcacov函数     11.2.2 princomp函数     11.2.3 pcares函数 : W4 T, t! f! [5 N5 A11.3 案例32：从协方差矩阵或相关系数矩阵出发求解主成分 & B3 I* z1 R9 p$ g: t& X% f" I    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 7 H0 X/ w, p! V7 F4 A* L    11.4.2 结果分析     11.4.3 调用pcares函数重建观测数据 ( j; P5 j7 O/ Q( [ 3 V& j! |" U8 |. N) 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 # H' L# j1 Y% C; C    12.1.2 因子模型的基本性质 2 |/ `6 F) f: N4 y9 e& G    12.1.3 因子载荷阵和特殊方差阵的估计 9 ]% d+ }; A& b2 V# b    12.1.4 因子旋转 . R* z3 B9 j1 z4 z" ^9 M1 d5 h    12.1.5 因子得分 ) V$ @  \" b" X8 `" a% e3 ^    12.1.6 因子分析中的Heywood现象 - c7 K9 L! h5 z$ z$ n12.2 因子分析的MATLAB函数 ' B1 l( N2 u, C( U! M5 T8 s12.3 案例34：基于协方差矩阵或相关系数矩阵的因子分析 ( i5 k) _$ D0 Y12.4 案例35：基于样本观测值矩阵的因子分析     12.4.1 读取数据 - R/ y- I6 V7 M- V8 a) t" V6 h! E    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 9 b4 W( I$ r! R案例36：基于图像资料的数据重建与拟合 8 K+ C2 k8 d/ P' w, j* S* I    1.1.1 案例描述 0 f( C7 ^/ J) W7 x+ I$ s    1.1.2 重建图像数据 ' K7 @$ a0 A7 D0 T) b    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 案例38：基于中位数算法的运动目标检测     1.3.1 案例描述     1.3.2 中位数算法原理 + Y& J/ @7 v% w' x    1.3.3 本案例的MATLAB实现一     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 + j, |. ~" m6 j8 x    1.4.1 样本图片的预处理   ?, ~, `4 K# P) Y9 X& ^+ U$ F7 a- S    1.4.2 创建朴素贝叶斯分类器对象 ; c, S0 i9 C9 y# ?! [% W5 Y; }! L" {    1.4.3 判别效果 5 w0 \4 g7 ]: ^$ C! n7 G案例40：基于主成分分析的图像压缩与重建 $ e4 Z( X& h9 D; J    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 " J5 r& b7 M. G  L* L: L" w 《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

2 x9 V- i/ r9 z9 j1 b7 s9 N7 S- D

Double_L

一个？能打开吗？