MATLAB統(tǒng)計分析與應(yīng)用：40個案例分析（第2版）

第1章MATLAB編程簡介 1.1MATLAB工作界面布局與路徑設(shè)置 1.1.1MATLAB工作界面布局 1.1.2MATLAB路徑設(shè)置 1.2變量的定義與數(shù)據(jù)類型 1.2.1變量的定義與賦值 1.2.2MATLAB中的常量 1.2.3MATLAB中的關(guān)鍵字 1.2.4數(shù)據(jù)類型 1.2.5數(shù)據(jù)輸出格式 1.3常用函數(shù) 1.4數(shù)組運算 1.4.1矩陣的定義 1.4.2特殊矩陣 1.4.3高維數(shù)組 1.4.4定義元胞數(shù)組（Cell Array） 1.4.5定義結(jié)構(gòu)體數(shù)組 1.4.6幾種數(shù)組的轉(zhuǎn)換 1.4.7矩陣的算術(shù)運算 1.4.8矩陣的關(guān)系運算 1.4.9矩陣的邏輯運算 1.4.10矩陣的其他常用運算 1.5MATLAB語言的流程結(jié)構(gòu) 1.5.1條件控制結(jié)構(gòu) 1.5.2循環(huán)結(jié)構(gòu) 1.5.3trycatch試探結(jié)構(gòu) 1.5.4break、continue、return和pause函數(shù) 1.6M代碼的編寫與調(diào)試 1.6.1腳本文件 1.6.2函數(shù)文件 1.6.3匿名函數(shù)和內(nèi)聯(lián)函數(shù) 1.6.4子函數(shù)與嵌套函數(shù) 1.6.5函數(shù)的遞歸調(diào)用 1.6.6M代碼的調(diào)試（debug） 1.6.7MATLAB常用快捷鍵和快捷命令 1.7MATLAB繪圖基礎(chǔ) 1.7.1圖形對象與圖形對象句柄 1.7.2二維圖形繪制 1.7.3三維圖形繪制 1.7.4圖形的打印和輸出 第2章數(shù)據(jù)的導(dǎo)入與導(dǎo)出 2.1案例1：從TXT文件中讀取數(shù)據(jù) 2.1.1利用數(shù)據(jù)導(dǎo)入向?qū)?dǎo)入TXT文件 2.1.2調(diào)用高級函數(shù)讀取數(shù)據(jù) 2.1.3調(diào)用低級函數(shù)讀取數(shù)據(jù) 2.2案例2：把數(shù)據(jù)寫入TXT文件 2.2.1調(diào)用dlmwrite函數(shù)寫入數(shù)據(jù) 2.2.2調(diào)用fprintf函數(shù)寫入數(shù)據(jù) 2.3案例3：從Excel文件中讀取數(shù)據(jù) 2.3.1利用數(shù)據(jù)導(dǎo)入向?qū)?dǎo)入Excel文件 2.3.2調(diào)用xlsread函數(shù)讀取數(shù)據(jù) 2.4案例4：把數(shù)據(jù)寫入Excel文件 第3章數(shù)據(jù)的預(yù)處理 3.1案例5：數(shù)據(jù)的平滑處理 3.1.1smooth函數(shù) 3.1.2smoothts函數(shù) 3.1.3medfilt1函數(shù) 3.2案例6：數(shù)據(jù)的標準化變換 3.2.1標準化變換公式 3.2.2標準化變換的MATLAB實現(xiàn) 3.3案例7：數(shù)據(jù)的極差歸一化變換 3.3.1極差歸一化變換公式 3.3.2極差歸一化變換的MATLAB實現(xiàn) 第4章概率分布與隨機數(shù) 4.1案例8：概率分布及概率計算 4.1.1概率分布的定義 4.1.2幾種常用概率分布 4.1.3概率密度、分布和逆概率分布函數(shù)值的計算 4.2案例9：生成一元分布隨機數(shù) 4.2.1均勻分布隨機數(shù)和標準正態(tài)分布隨機數(shù) 4.2.2RandStream類 4.2.3常見一元分布隨機數(shù) 4.2.4任意一元分布隨機數(shù) 4.2.5一元混合分布隨機數(shù) 4.3案例10：生成多元分布隨機數(shù) 4.4案例11：蒙特卡洛方法 4.4.1有趣的蒙提霍爾問題 4.4.2抽球問題的蒙特卡洛模擬 4.4.3用蒙特卡洛方法求圓周率π 4.4.4用蒙特卡洛方法求積分 4.4.5街頭騙局揭秘 第5章描述性統(tǒng)計量和統(tǒng)計圖 5.1案例背景 5.2案例描述 5.3案例12：描述性統(tǒng)計量 5.3.1均值 5.3.2方差和標準差 5.3.3最大值和最小值 5.3.4極差 5.3.5中位數(shù) 5.3.6分位數(shù) 5.3.7眾數(shù) 5.3.8變異系數(shù) 5.3.9原點矩 5.3.10中心矩 5.3.11偏度 5.3.12峰度 5.3.13協(xié)方差 5.3.14相關(guān)系數(shù) 5.4案例13：統(tǒng)計圖 5.4.1箱線圖 5.4.2頻數(shù)（率）直方圖 5.4.3經(jīng)驗分布函數(shù)圖 5.4.4正態(tài)概率圖 5.4.5pp圖 5.4.6qq圖 5.5案例擴展：頻數(shù)和頻率分布表 5.5.1調(diào)用tabulate函數(shù)作頻數(shù)和頻率分布表 5.5.2調(diào)用自編HistRate函數(shù)作頻數(shù)和頻率分布表 第6章參數(shù)估計與假設(shè)檢驗 6.1案例14：參數(shù)估計 6.1.1常見分布的參數(shù)估計 6.1.2自定義分布的參數(shù)估計 6.2案例15：正態(tài)總體參數(shù)的檢驗 6.2.1總體標準差已知時的單個正態(tài)總體均值的U檢驗 6.2.2總體標準差未知時的單個正態(tài)總體均值的t檢驗 6.2.3總體標準差未知時的兩個正態(tài)總體均值的比較t檢驗 6.2.4總體均值未知時的單個正態(tài)總體方差的χ2檢驗 6.2.5總體均值未知時的兩個正態(tài)總體方差的比較F檢驗 6.2.6檢驗功效與樣本容量的計算 6.3案例16：常用非參數(shù)檢驗 6.3.1游程檢驗 6.3.2符號檢驗 6.3.3Wilcoxon符號秩檢驗 6.3.4MannWhitney秩和檢驗 6.3.5分布的擬合與檢驗 6.4案例17：核密度估計 6.4.1經(jīng)驗密度函數(shù) 6.4.2 核密度估計 6.4.3核密度估計的MATLAB實現(xiàn) 6.4.4核密度估計的案例分析 第7章Copula理論及應(yīng)用實例 7.1Copula函數(shù)的定義與基本性質(zhì) 7.1.1二元Copula函數(shù)的定義及性質(zhì) 7.1.2多元Copula函數(shù)的定義及性質(zhì) 7.2常用的Copula函數(shù) 7.2.1正態(tài)Copula函數(shù) 7.2.2tCopula函數(shù) 7.2.3阿基米德copula函數(shù) 7.3Copula函數(shù)與相關(guān)性度量 7.3.1Pearson線性相關(guān)系數(shù)ρ 7.3.2Kendall秩相關(guān)系數(shù)τ 7.3.3Spearman秩相關(guān)系數(shù)ρs 7.3.4尾部相關(guān)系數(shù)λ 7.3.5基于Copula函數(shù)的相關(guān)性度量 7.3.6基于常用二元Copula函數(shù)的相關(guān)性度量 7.4案例18：滬深股市日收益率的二元Copula模型 7.4.1案例描述 7.4.2確定邊緣分布 7.4.3選取適當?shù)腃opula函數(shù) 7.4.4參數(shù)估計 7.4.5與Copula有關(guān)的MATLAB函數(shù) 7.4.6案例的計算與分析 第8章方差分析 8.1案例19：單因素一元方差分析 8.1.1單因素一元方差分析的MATLAB實現(xiàn) 8.1.2案例分析 8.2案例20：雙因素一元方差分析 8.2.1雙因素一元方差分析的MATLAB實現(xiàn) 8.2.2案例分析 8.3案例21：多因素一元方差分析 8.3.1多因素一元方差分析的MATLAB實現(xiàn) 8.3.2案例分析一 8.3.3案例分析二 8.4案例22：單因素多元方差分析 8.4.1單因素多元方差分析的MATLAB實現(xiàn) 8.4.2案例分析 8.5案例23：非參數(shù)方差分析 8.5.1非參數(shù)方差分析的MATLAB實現(xiàn) 8.5.2KruskalWallis檢驗的案例分析 8.5.3Friedman檢驗的案例分析 第9章回歸分析 9.1MATLAB回歸模型類 9.1.1線性回歸模型類 9.1.2非線性回歸模型類 9.2案例24：一元線性回歸 9.2.1數(shù)據(jù)的散點圖 9.2.2模型的建立與求解 9.2.3回歸診斷 9.2.4穩(wěn)健回歸 9.3案例25：一元非線性回歸 9.3.1數(shù)據(jù)的散點圖 9.3.2模型的建立與求解 9.3.3回歸診斷 9.3.4利用曲線擬合工具cftool作一元非線性擬合 9.4案例26：多元線性和廣義線性回歸 9.4.1可視化相關(guān)性分析 9.4.2多元線性回歸 9.4.3多元多項式回歸 9.4.4擬合效果圖 9.4.5逐步回歸 9.5案例27：多元非線性回歸 9.5.1案例描述 9.5.2模型建立 9.5.3模型求解 9.6案例28：多項式回歸 9.6.1多項式回歸模型 9.6.2多項式回歸的MATLAB實現(xiàn) 9.6.3多項式回歸案例 第10章聚類分析 10.1聚類分析簡介 10.1.1距離和相似系數(shù) 10.1.2系統(tǒng)聚類法 10.1.3K均值聚類法 10.1.4模糊C均值聚類法 10.2案例29：系統(tǒng)聚類法的案例分析 10.2.1系統(tǒng)聚類法的MATLAB函數(shù) 10.2.2樣品聚類案例 10.2.3變量聚類案例 10.3案例30：K均值聚類法的案例分析 10.3.1K均值聚類法的MATLAB函數(shù) 10.3.2K均值聚類法案例 10.4案例31：模糊C均值聚類法的案例分析 10.4.1模糊C均值聚類法的MATLAB函數(shù) 10.4.2模糊C均值聚類法案例 第11章判別分析 11.1判別分析簡介 11.1.1距離判別 11.1.2貝葉斯判別 11.1.3Fisher判別 11.2案例32：距離判別法的案例分析 11.2.1classify函數(shù) 11.2.2案例分析 11.3案例33：貝葉斯判別法的案例分析 11.3.1NaiveBayes類 11.3.2案例分析 11.4案例34：Fisher判別法的案例分析 11.4.1Fisher判別分析的MATLAB實現(xiàn) 11.4.2案例分析 第12章主成分分析 12.1主成分分析簡介 12.1.1主成分分析的幾何意義 12.1.2總體的主成分 12.1.3樣本的主成分 12.1.4關(guān)于主成分表達式的兩點說明 12.2主成分分析的MATLAB函數(shù) 12.2.1pcacov函數(shù) 12.2.2princomp函數(shù) 12.2.3pcares函數(shù) 12.3案例35：從協(xié)方差矩陣或相關(guān)系數(shù)矩陣出發(fā)求解主成分 12.3.1調(diào)用pcacov函數(shù)做主成分分析 12.3.2結(jié)果分析 12.4案例36：從樣本觀測值矩陣出發(fā)求解主成分 12.4.1調(diào)用princomp函數(shù)做主成分分析 12.4.2結(jié)果分析 12.4.3調(diào)用pcares函數(shù)重建觀測數(shù)據(jù) 第13章因子分析 13.1因子分析簡介 13.1.1基本因子分析模型 13.1.2因子模型的基本性質(zhì) 13.1.3因子載荷陣和特殊方差陣的估計 13.1.4因子旋轉(zhuǎn) 13.1.5因子得分 13.1.6因子分析中的Heywood現(xiàn)象 13.2因子分析的MATLAB函數(shù) 13.3案例37：基于協(xié)方差矩陣或相關(guān)系數(shù)矩陣的因子分析 13.4案例38：基于樣本觀測值矩陣的因子分析 13.4.1讀取數(shù)據(jù) 13.4.2調(diào)用factoran函數(shù)作因子分析 第14章利用MATLAB生成Word和Excel文檔 14.1組件對象模型（COM） 14.1.1什么是COM 14.1.2COM接口 14.2MATLAB中的ActiveX控件接口技術(shù) 14.2.1actxcontrol函數(shù) 14.2.2actxcontrollist函數(shù) 14.2.3actxcontrolselect函數(shù) 14.2.4actxserver函數(shù) 14.2.5利用MATLAB調(diào)用COM對象 14.2.6調(diào)用actxserver函數(shù)創(chuàng)建組件服務(wù)器 14.3案例39：利用MATLAB生成Word文檔 14.3.1調(diào)用actxserver函數(shù)創(chuàng)建Microsoft Word服務(wù)器 14.3.2建立Word文本文檔 14.3.3插入表格 14.3.4插入圖片 14.3.5保存文檔 14.3.6完整代碼 14.4案例40：利用MATLAB生成Excel文檔 14.4.1調(diào)用actxserver函數(shù)創(chuàng)建Microsoft Excel服務(wù)器 14.4.2新建Excel工作簿 14.4.3獲取工作表對象句柄 14.4.4插入、復(fù)制、刪除、移動和重命名工作表 14.4.5頁面設(shè)置 14.4.6選取工作表區(qū)域 14.4.7設(shè)置行高和列寬 14.4.8合并單元格 14.4.9邊框設(shè)置 14.4.10設(shè)置單元格對齊方式 14.4.11寫入單元格內(nèi)容 14.4.12插入圖片 14.4.13保存工作簿 14.4.14完整代碼 附錄A圖像處理中的統(tǒng)計應(yīng)用案例 A.1基于圖像資料的數(shù)據(jù)重建與擬合 A.1.1案例描述 A.1.2重建圖像數(shù)據(jù) A.1.3曲線擬合 A.2基于K均值聚類的圖像分割 A.2.1灰度圖像分割案例 A.2.2真彩圖像分割案例 A.3基于中位數(shù)算法的運動目標檢測 A.3.1案例描述 A.3.2中位數(shù)算法原理 A.3.3本案例的MATLAB實現(xiàn)一 A.3.4本案例的MATLAB實現(xiàn)二 A.3.5本案例的MATLAB實現(xiàn)三 A.4基于貝葉斯判別的手寫體數(shù)字識別 A.4.1樣本圖片的預(yù)處理 A.4.2創(chuàng)建樸素貝葉斯分類器對象 A.4.3判別效果 A.5基于主成分分析的圖像壓縮與重建 A.5.1基于主成分分析的圖像壓縮與重建原理 A.5.2圖像壓縮與重建的MATLAB實現(xiàn) 附錄BMATLAB統(tǒng)計工具箱函數(shù)大全 參考文獻