matlab数据统计和分析

常用统计量
- 1.表示位置的统计量——平均值和中位数
- 2.表示变异程度的统计量——标准差、方差和极差
- 3. 表示分布形状统计量——偏度和峰度
随即数的生成
- 1.二项分布随机数
- 2.泊松分布随机数
- 3.均匀分布随机数
- 4.正态分布随机数
假设检验
- 1.方差已知时均值的假设检验
- 2.方差已知时均值的假设检验

常用统计量

1.表示位置的统计量——平均值和中位数

平均值（或均值，数学期望）：
x ˉ = 1 n ∑ i = 1 n x i \bar{x}=\frac{1}{n}\sum_{i=1}^n{x_i} xˉ=n1i=1∑nxi
式中，x表示统计中的样本。
中位数：将数据由小到大排序后居于中间位置的那个数值

mean（a，dim）——默认是求每一列的平均值，dim=1给出每一列的平均值，dim=2表示给出每一行的平均值，
median（a，dim），默认是求每一列的中位数，dim=1给出每一列的中位数，dim=2表示给出每一行的中位数，

A=[1:5;2:6;3:7]
b=mean(A,1)%求每一列的平均值
c=mean(A,2)%求每一行的平均值
d=median(A,1)
e=median(A,2)

平均值

中位数

2.表示变异程度的统计量——标准差、方差和极差

标准差是各个数据与均值偏离程度的度量，其定义为：
s = [ 1 n − 1 ∑ i = 1 n ( X i − X ˉ ) 2 ] s=\sqrt{\left[ \frac{1}{n-1}\sum_{i=1}^n{\left( X_i-\bar{X} \right) ^2} \right]} s=[n−11i=1∑n(Xi−Xˉ)2]

其中X表示统计中的样本
方差：标准差的平方
极差：样本中最大值与最小值之差
matlab求解方差和标准差的函数分别是var(x)和std(x)

A=[1:5;2:6;3:7]
var(A)%返回每一列的方差,自由度为(n-1)
var(A,1)%自由度为n
std(A)%求每一列的标准差

3. 表示分布形状统计量——偏度和峰度

偏度：
g 1 = 1 s 3 ∑ i = 1 n ( X i − X ˉ ) 3 g_1=\frac{1}{s^3}\sum_{i=1}^n{\left( X_i-\bar{X} \right) ^3} g1=s31i=1∑n(Xi−Xˉ)3
偏度反映分布的对称性，可以看出偏度可正可负，如果偏度大于0那么就是右偏态，否则是左偏态
峰度：
g 2 = 1 s 4 ∑ i = 1 n ( X i − X ˉ ) 4 g_2=\frac{1}{s^4}\sum_{i=1}^n{\left( X_i-\bar{X} \right) ^4} g2=s41i=1∑n(Xi−Xˉ)4
峰度是分布形状的另外一种度量，正态分布的峰度为3，若 g 2 g_2 g2比3大很多，可近似说明不是正态分布
在matlab中，可以使用jbtest函数进行Jarque-Bera检验，测试数据对正态分布的偏离程度
若输出h=1，则可说明在0.05的显著性水平下不是正态分布

data=[10,11,12,13,14,15,16,78,19,20,20,20,20,20, 11,12,13,14, 15,12,12,12,12,12,12,11,13]
[H,P]=jbtest(data)%输出h值和p值

即不服从正态分布

随即数的生成

1.二项分布随机数

binord（N,P,m，n）——n，p是二项分布的两个参数，m，n是生成矩阵的行和列
某射击手进行设计比赛，假设每枪射击命中率，每轮射击 10 次，共进行 10 万轮。用直方图表示这 10 万轮每轮命中成绩的可能情况。 \text{某射击手进行设计比赛，假设每枪射击命中率，每轮射击}10\text{次，共进行}10\text{万轮。} \\ \text{用直方图表示这}10\text{万轮每轮命中成绩的可能情况。} 某射击手进行设计比赛，假设每枪射击命中率，每轮射击10次，共进行10万轮。用直方图表示这10万轮每轮命中成绩的可能情况。

x=binornd(10,0.45,100000,1);
hist(x,11)

由此可知，该射击员最有可能命中4环

2.泊松分布随机数

泊松分布表达式为：
f ( x ∣ β ) = λ x x ! e − λ , x = 0 , 1 , . . . , ∞ f\left( x|\beta \right) =\frac{\lambda ^x}{x!}e^{-\lambda},x=0,1,...,\infty f(x∣β)=x!λxe−λ,x=0,1,...,∞

x=1:20
y=poisspdf(x,5)%产生20个随机数
plot(x,y,":r*")%画概率密度函数图

3.均匀分布随机数

*unifrnd（A,B）以A为上限，B为下限生成均匀分布随机数

unifrnd(10,20)

4.正态分布随机数

*使用normrnd（mu，sigma）函数可以生成正态分布随机数，其中mu是均值，sigma是标准差

normrnd(3,2,3,3)

假设检验

1.方差已知时均值的假设检验

在给定方差的条件下，可以使用ztest函数来检验单样本数据是否服从给定均值的正态分布。
ztest（x,m,sigma,alpha,tail）,tail=0是双侧，等于-1和1是单侧
某工厂随机选取的8只零部件的装配时间如下：

12.1478 ,  11.3194 ,  18.1945   ,19.3617  , 15.7478  , 17.3202 ,  19.1669 ,19.5776

假设装配时间的总体服从正态分布，标准差为3.24，请检测装配时间的均值与15有无明显差异

m=[ 12.1478 ,  11.3194 ,  18.1945   ,19.3617  , 15.7478  , 17.3202 ,  19.1669 ,19.5776]
ztest(m,14,3.24,0.05,0)

输出结果为1，即可以得出在0.05的显著性水平下，装配时间的均值不等于15

2.方差已知时均值的假设检验

*ttest（x，m，alpha，tail）
假设某种电子元件的寿命X服从正态分布，且均值和方差未知。现在获取10只元件的寿命如下：

10.1,10.2,10.11,10.33,10.44,10.55,10.66,10.12,10.31,10.15

请判断平均寿命与10是否有显著差异

m=[10.1,10.2,10.11,10.33,10.44,10.55,10.66,10.12,10.31,10.15]
ttest(m,10)

同样拒绝原假设，即有显著差异

matlab数据统计和分析相关推荐

matlab假设检验摘要,MATLAB数据统计和分析：参数估计和假设检验
参数估计和假设检验统计所研究的对象是受随机因素影响的数据,是以概率论为基础的一门应用学科.统计推断的基础是描述性统计,也就是搜集整理加工分析统计数据,使其系统化和条理化,以显示出数据资料的趋势.特征 ...
关于App的数据统计和分析
原文地址:https://blog.csdn.net/whywhom/article/details/69963119 "一切都是数据"将成为其必然的趋势.经过了几年的发展和积累, ...
大学生实习就业调研报告之一 - 调研数据统计和分析
摘要:2014年8月,CSDN高校俱乐部推出面向大学生的<实习就业需求调研>活动.截止10.31日活动结束,共收到几百所高校学生的反馈,汇集当代大学生在实习就业中普遍存在的心态问题及就业期 ...
精通Excel数据统计和分析 - 摘要（第4章：方差分析）
一.方差分析 4.1 简介原因:方差分析又称"变异数分析",用于两个及两个以上的样本的均数的差别的显著性检验,由于各种因素的影响,研究所得的数据呈现波动状,造成波动的原因分为两类 ...
matlab 曲线拟合求导,基于matlab曲线拟合的数据预测分析
龙源期刊网 http://www.doczj.com/doc/2f22f716cbaedd3383c4bb4cf7ec4afe05a1b148.html 基于matlab曲线拟合的数据预测分析作者: ...
matlab包络分析函数,数据包络分析（MATLAB代码）.doc
数据包络分析 (MATLAB代码) X=[] % 输入多指标输入矩阵X Y=[] % 输入多指标输出矩阵Y [n,m]=size(X) % n为输入的指标数,m为决策单元数 s=size(Y) % s ...
示波器数据用matlab进行fft,示波器CSV波形数据导入Matlab进行FFT分析.doc
示波器CSV波形数据导入Matlab进行FFT分析 1,将CSV文件拖到workspace窗口,弹出的Import Wizard窗口中,点选"Next",新窗口中选第二项" ...
matlab示波器导出csv数据,示波器CSV波形数据导入Matlab进行FFT分析
示波器CSV波形数据导入Matlab进行FFT分析 1,将CSV文件拖到workspace窗口,弹出的Import Wizard窗口中,点选"Next",新窗口中选第二项" ...
matlab 预测曲线走势,基于matlab曲线拟合的数据预测分析
[摘要]试验所得的数据一般为离散的,且不能直接用一般的方程去描述它们,这样给数据的分析和预测带来了极大的麻烦,本文针对股票数据的变化,使用matlab的多项式拟合,求导,以及预测功能,对股票的实时变化 ...

matlab数据统计和分析

matlab数据统计和分析

常用统计量

1.表示位置的统计量——平均值和中位数

2.表示变异程度的统计量——标准差、方差和极差

3. 表示分布形状统计量——偏度和峰度

随即数的生成

1.二项分布随机数

2.泊松分布随机数

3.均匀分布随机数

4.正态分布随机数

假设检验

1.方差已知时均值的假设检验

2.方差已知时均值的假设检验

matlab数据统计和分析相关推荐

最新文章

热门文章