MATLAB統(tǒng)計分析與應用：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置 1.1.1MATLAB工作界面布局 1.1.2MATLAB路徑設置 1.2變量的定義與數據類型 1.2.1變量的定義與賦值 1.2.2MATLAB中的常量 1.2.3MATLAB中的關鍵字 1.2.4數據類型 1.2.5數據輸出格式 1.3常用函數 1.4數組運算 1.4.1矩陣的定義 1.4.2特殊矩陣 1.4.3高維數組 1.4.4定義元胞數組（Cell Array） 1.4.5定義結構體數組 1.4.6幾種數組的轉換 1.4.7矩陣的算術運算 1.4.8矩陣的關系運算 1.4.9矩陣的邏輯運算 1.4.10矩陣的其他常用運算 1.5MATLAB語言的流程結構 1.5.1條件控制結構 1.5.2循環(huán)結構 1.5.3trycatch試探結構 1.5.4break、continue、return和pause函數 1.6M代碼的編寫與調試 1.6.1腳本文件 1.6.2函數文件 1.6.3匿名函數和內聯(lián)函數 1.6.4子函數與嵌套函數 1.6.5函數的遞歸調用 1.6.6M代碼的調試（debug） 1.6.7MATLAB常用快捷鍵和快捷命令 1.7MATLAB繪圖基礎 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章數據的導入與導出 2.1案例1：從TXT文件中讀取數據 2.1.1利用數據導入向導導入TXT文件 2.1.2調用高級函數讀取數據 2.1.3調用低級函數讀取數據 2.2案例2：把數據寫入TXT文件 2.2.1調用dlmwrite函數寫入數據 2.2.2調用fprintf函數寫入數據 2.3案例3：從Excel文件中讀取數據 2.3.1利用數據導入向導導入Excel文件 2.3.2調用xlsread函數讀取數據 2.4案例4：把數據寫入Excel文件 第3章數據的預處理 3.1案例5：數據的平滑處理 3.1.1smooth函數 3.1.2smoothts函數 3.1.3medfilt1函數 3.2案例6：數據的標準化變換 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：數據的極差歸一化變換 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 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值的計算 4.2案例9：生成一元分布隨機數 4.2.1均勻分布隨機數和標準正態(tài)分布隨機數 4.2.2RandStream類 4.2.3常見一元分布隨機數 4.2.4任意一元分布隨機數 4.2.5一元混合分布隨機數 4.3案例10：生成多元分布隨機數 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 5.3.6分位數 5.3.7眾數 5.3.8變異系數 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相關系數 5.4案例13：統(tǒng)計圖 5.4.1箱線圖 5.4.2頻數（率）直方圖 5.4.3經驗分布函數圖 5.4.4正態(tài)概率圖 5.4.5pp圖 5.4.6qq圖 5.5案例擴展：頻數和頻率分布表 5.5.1調用tabulate函數作頻數和頻率分布表 5.5.2調用自編HistRate函數作頻數和頻率分布表 第6章參數估計與假設檢驗 6.1案例14：參數估計 6.1.1常見分布的參數估計 6.1.2自定義分布的參數估計 6.2案例15：正態(tài)總體參數的檢驗 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經驗密度函數 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理論及應用實例 7.1Copula函數的定義與基本性質 7.1.1二元Copula函數的定義及性質 7.1.2多元Copula函數的定義及性質 7.2常用的Copula函數 7.2.1正態(tài)Copula函數 7.2.2tCopula函數 7.2.3阿基米德copula函數 7.3Copula函數與相關性度量 7.3.1Pearson線性相關系數ρ 7.3.2Kendall秩相關系數τ 7.3.3Spearman秩相關系數ρs 7.3.4尾部相關系數λ 7.3.5基于Copula函數的相關性度量 7.3.6基于常用二元Copula函數的相關性度量 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選取適當的Copula函數 7.4.4參數估計 7.4.5與Copula有關的MATLAB函數 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：非參數方差分析 8.5.1非參數方差分析的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數據的散點圖 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數據的散點圖 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 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 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 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 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 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關于主成分表達式的兩點說明 12.2主成分分析的MATLAB函數 12.2.1pcacov函數 12.2.2princomp函數 12.2.3pcares函數 12.3案例35：從協(xié)方差矩陣或相關系數矩陣出發(fā)求解主成分 12.3.1調用pcacov函數做主成分分析 12.3.2結果分析 12.4案例36：從樣本觀測值矩陣出發(fā)求解主成分 12.4.1調用princomp函數做主成分分析 12.4.2結果分析 12.4.3調用pcares函數重建觀測數據 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 13.1.3因子載荷陣和特殊方差陣的估計 13.1.4因子旋轉 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 13.3案例37：基于協(xié)方差矩陣或相關系數矩陣的因子分析 13.4案例38：基于樣本觀測值矩陣的因子分析 13.4.1讀取數據 13.4.2調用factoran函數作因子分析 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 14.2.1actxcontrol函數 14.2.2actxcontrollist函數 14.2.3actxcontrolselect函數 14.2.4actxserver函數 14.2.5利用MATLAB調用COM對象 14.2.6調用actxserver函數創(chuàng)建組件服務器 14.3案例39：利用MATLAB生成Word文檔 14.3.1調用actxserver函數創(chuàng)建Microsoft Word服務器 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調用actxserver函數創(chuàng)建Microsoft Excel服務器 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、復制、刪除、移動和重命名工作表 14.4.5頁面設置 14.4.6選取工作表區(qū)域 14.4.7設置行高和列寬 14.4.8合并單元格 14.4.9邊框設置 14.4.10設置單元格對齊方式 14.4.11寫入單元格內容 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)計應用案例 A.1基于圖像資料的數據重建與擬合 A.1.1案例描述 A.1.2重建圖像數據 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基于中位數算法的運動目標檢測 A.3.1案例描述 A.3.2中位數算法原理 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字識別 A.4.1樣本圖片的預處理 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)計工具箱函數大全 參考文獻