搜索
高级检索
高级搜索
书       名 :
著       者 :
出  版  社 :
I  S  B  N:
文献来源:
出版时间 :
MATLAB统计分析与应用:40个案例分析
0.00    
图书来源: 浙江图书馆(由图书馆配书)
  • 配送范围:
    全国(除港澳台地区)
  • ISBN:
    9787512400849
  • 作      者:
    谢中华编著
  • 出 版 社 :
    北京航空航天大学出版社
  • 出版日期:
    2010
收藏
内容介绍
  《MATLAB开发实例系列图书·MATLAB统计分析与应用:40个案例分析》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。《MATLAB统计分析与应用:40个案例分析》主要内容包括:利用MATLAB制作统计报告或报表;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;蒙特卡洛方法;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。
  《MATLAB开发实例系列图书·MATLAB统计分析与应用:40个案例分析》可以作为高等院校本科生、研究生的统计学相关课程的教材或教学参考书,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。
展开
精彩书摘

  做这个事情的起因是笔者每个学期末都要做好几张试卷分析,工作单调重复,并且周围很多人都有类似的困扰。特别是当统计工笔者面对大量相同格式的统计报表时,所做的工作往往只是重复性劳动,此时就需要一个模板,可以每次自动导人数据,自动生成人们想要的报告,把人们从繁重、重复的工作中解脱出来。基于这个考虑,本章先介绍一点编程理论,然后以案例的形式详细介绍如何利用MATLAB生成World和Excel文档。读者可以参照本章内容,尝试生成自己想要的统计报告或报表。
  本章主要内容包括:微软组件对象模型(COM),基于COM技术的ActiveX控件接口技术,利用MATLAB生成word文档,利用MATLAB生成。Excel文档。
  1.1  组件对象模型(COM)
  1.1.1  什么是COM
  事物的发展总是处在不断的新老交替中,软件的开发也不例外。辛辛苦苦开发出一个比较大型的应用程序交给客户使用,过一段时间后应用程序需要升级,需要添加一些新的特性,怎么办?再组织人力物力重新编写所有代码,重新编译?这显然不太现实。为此,微软公司提出了组件对象模型(Component Object。Model,COM),它是微软公司为了使软件开发更加符合人的行为方式而提出的一种规范。在这种规范下,单个应用程序被分隔成多个独立的部分,即组件(component)。这种做法的好处是可以随着技术的发展而用新的组件取代已有的组件,此时的应用程序不再是一个一出生就命中注定会过时的静态程序,而是随时可以用新组件取代旧组件而“返老还童”的动态程序。
  COM组件是由以win32动态链接库(DLL)或可执行文件(.exe)的形式发布的可执行代码组成的,其必须满足以下几个条件。
  ①为了使客户在应用程序的运行中能够将组件替换掉,组件必须动态链接。
  ②它们必须隐藏(或封装)其内部实现细节。而各组件是通过接口连接在一起的,接口不能变,所以组件要实现封装。
  ③封装之后的组件以二进制的形式发布。
  ④开发组件的编程语言必须被隐藏起来,也就是说COM组件是与语言完全无关。
  ⑤组件必须可以在不妨碍已有用户的情况下升级,也就是说一个组件的新版本必须既能够同老版本的用户一起使用,也要能够和新版本用户一起使用。
  ……

展开
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
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
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
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
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
1.4.2 新建Excel工作簿
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
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
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
1.4.13 保存工作簿
1.4.14 完整代码

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
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
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
3.1 案例7:数据的平滑处理
3.1.1 smooth函数
3.1.2 smoothts函数
3.1.3 medfiltl函数
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
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
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
4.1.3 常见一元分布随机数
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
4.3.4 用蒙特卡洛方法求积分
4.3.5 街头骗局揭秘

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
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
5.3.5 最终结论
5.4 案例16:核密度估计
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
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
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 τ-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r
6.3.2 Kcndau秩相关系数τ
6.3.3  Spearman秩相关系数ps
6.3.4 尾部相关系数又
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

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
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
7.2.2 案例分析
7.3 案例21: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
7.3.3 案例分析二
7.4 案例20: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
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
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robustfiti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
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

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
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
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
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
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

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
10.2 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
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

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
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
11.2.1 pcacov函数
11.2.2 princomp函数
11.2.3 pcarcs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
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
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
12.1.1 基本因子分析模型
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 因子分析中的正teywood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
12.4.1 读取数据
12.4.2 调用factoran数作因子分析

附录A 图像处理中的统计应用案例
A.1 案例36:基于图像资料的数据重建与拟合
A.1.1 案例描述
A.1.2 重建图像数据
A.1.3 曲线拟合
A.2 案例37:基于K均值聚类的图像分割
A.2.1 灰度图像分割案例
A.2.2 真彩图像分割案例
A.3 案例38:基于中位数算法的运动目标检测
A.3.1 案例描述
A.3.2 中位数算法原理
A.3.3 本案例的MATLAB实现一
A.3.4 本案例的MATLAB实现二
A.4 案例39:基于贝叶斯判别的手写体数字识别
A.4.1 样本图片的预处理
A.4.2 创建朴素贝叶斯分类器对象
A.4.3 判别效果
A.5 案例40:基于主成分分析的图像压缩与重建
A.5.1 基于主成分分析的图像压缩与重建原理
A.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
参考文献
展开
加入书架成功!
收藏图书成功!
我知道了(3)
发表书评
读者登录

请选择您读者所在的图书馆

选择图书馆
浙江图书馆
点击获取验证码
登录
没有读者证?在线办证