[MATLAB]数据统计分析平均值(mean/median/sum/prod/cumsum)
一、求矩阵的最大元素和最小元素max(); 求向量或矩阵的最大元素min(); 求向量或矩阵的最小元素当参数为向量时,函数有两种调用格式:
max(); 求向量或矩阵的最大元素
min(); 求向量或矩阵的最小元素
- y=max(X); 返回向量X的最大值存入y,如果X中包含复数元素,则按模取最大值。
- [y,k]=max(X);返回向量X的最大值存入y,最大值元素的序号存入k,如果X中包含复数元素,则按模取最大值。
例1:求向量x的最大元素,其中x=[-43,72,9,16,23,47].
代码:
>> x=[-43,72,9,16,23,47];
>>> y=max(x);
>>> [x,k]=max(x);
当参数为矩阵时,函数有三种调用格式:
- max(A):返回一个行向量,向量的第i个元素的是矩阵A的第i列上的最大值。
- [Y,U]=max(A):返回行向量Y和U,Y向量记录A的每列的最大值,U向量记录每列最大值元素的行号。
- max(A,[],dim):dim取1或2。dim取1时,该函数的功能和max(A)完全相同;dim取2时,该函数返回一个列向量,其第i个元素是A矩阵的第i行上的最大值
例2 求矩阵A的每行及每列的最大元素,并求整个矩阵的最大元素。
>> A=[13,-56,78;25,63,-235;75,25,563;1,0,-1];
>> max(A)
ans =75 63 563
>> max(A,[],2)
ans =78635631
>> max(max(A))
ans =563
>> max(A(:))ans =563
二、求矩阵的平均值和中值
- 平均值:指算术平均值,即每项数据之和除以项数
- 中值:指在数据序列中其值的大小恰好处在中间的元素。如果数据个数为奇数,则取值为大小位于中间的元素;如果数据个数为偶数,则取中间两个元素的平均值
- 求算术平均值:mean()
- 求中值:median()
例三:
>> x=[1200,800,1500,1000,5000];
>> mean(x)ans =1900>> median(x)ans =1200>>
总结:平均值很容易受极值的影响,也就是容易被平均。
三、求和与求积
- sum():求和函数
- prod():求积函数
四、累加和与累乘积
- cumsum():累加和函数
- cumprod():累乘积函数
例子四:求向量X=[1,2,3,4,5,6,7,8,9,10]的积与累乘积。
>> X=[1,2,3,4,5,6,7,8,9,10];
>> y1=prod(X)y1 =3628800>> y2=cumprod(X)y2 =Columns 1 through 51 2 6 24 120Columns 6 through 10720 5040 40320 362880 3628800>>
五、标准差与相关系数
标准差用于计算数据偏离平均数的距离的平均值,其计算公式为:
std():计算标准差函数.
调用格式:
- std(X):计算向量X的标准差
- std(A):计算矩阵A的各列的标准差
- std(A,flag,dim):flag取0或者1,当flag=0时,按S1所列公式计算样本标准差;当flag=1时,按S2所列公式计算总体标准差。默认情况下,flag=0,dim=1
例5 生成满足正态分布的50000*4的随机矩阵,用不同的形式求其各列之间的标准差.
>> x=randn(50000,4);
>> y1=std(x,0,1)y1 =1.0028 0.9990 0.9982 1.0019>> y2=std(x,1,1)y2 =1.0028 0.9990 0.9982 1.0019>> x1=x';
>> y3=std(x1,0,2);
>> y3'ans =1.0028 0.9990 0.9982 1.0019>> y4=std(x1,1,2);
>> y4'ans =1.0028 0.9990 0.9982 1.0019>>
相关系数:能够反映两组数据序列之间相互关系,其计算公式为
corrcoef():相关系数函数。
调用格式:
- corrcoef(A):返回由矩阵A所形成的一个相关系数矩阵,其中,第i行第i列的元素表示原矩阵A中第i列和第j列的相关系数。
- corrcoef(X,Y):在这里,X、Y是向量,它们与corrcoef([X,Y])的作用一样,用于求X,Y向量之间的相关系数。
>> A=[5032,6000,5100,5200;6532,6500,6600,5800;
5500,7000,5400,4800;4530,4000,4300,4200;
2300,2000,2200,2500;3254,3000,3500,3000;
8095,9000,7800,8500;7530,8000,7000,7500;
3841,3200,3500,3200;4500,5200,4800,4000];
>> corrcoef(A)ans =1.0000 0.9630 0.9906 0.97820.9630 1.0000 0.9694 0.94660.9906 0.9694 1.0000 0.96350.9782 0.9466 0.9635 1.0000>>
六、排序
sort():排序函数.
调用格式:
sort(X):对向量X按升序排列。
[Y,I]=sort(A,dim,mode)
其中,dim指明对A的列还是行进行排序。mode指明按升序还是降序排序,若取"ascend",则按升序;若取“descend”,则按降序,默认为升序。输出参数中,Y是排序后的矩阵,而I记录Y中的元素在A中位置。
例七:对下列矩阵做各种排序。
>> A=[1,-8,5;4,12,6;13,7,-13];
>> sort(A)ans =1 -8 -134 7 513 12 6>> sort(A,2,'descend')ans =5 1 -812 6 413 7 -13>> [X,I]=sort(A)X =1 -8 -134 7 513 12 6I =1 1 32 3 13 2 2>>
[MATLAB]数据统计分析平均值(mean/median/sum/prod/cumsum)相关推荐
- matlab:求平均值
matlab:求平均值 mean函数 sum函数 mean2函数 trapz函数 在MATLAB中求平均值有多种方法,下面分别介绍. mean函数 mean函数是MATLAB内置的计算平均值的函数,用 ...
- Excel用于数据统计分析
数据统计分析 COUNT类.SUM类.AVERAGE类函数 数据分析工具 移动平均和指数平滑 常用统计函数应用 定义名称 用首行的列标签作为名称:公式,根据所选内容创建,首行 用最左列的行标签作为名称 ...
- matlab统计分析具体步骤,Matlab数据的统计分析与描述
实验目的 (1)熟悉统计的基本概念.参数估计.假设检验. (2.)会用参数估计和假设检验对实际问题进行分析. 实验要求 实验步骤要有模型建立,模型求解.结果分析. 实验内容 (1)某校60名学生的一次 ...
- matlab中的tempsigma,Matlab数据的统计分析与描述
实验目的 (1)熟悉统计的基本概念.参数估计.假设检验. (2.)会用参数估计和假设检验对实际问题进行分析. 实验要求 实验步骤要有模型建立,模型求解.结果分析. 实验内容 (1)某校60名学生的一次 ...
- 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 ...
- 编程求文件file1中数据的平均值,并将其与平均值最接近的数删除
<程序设计基础-c语言>杨莉 刘鸿翔 ISBN-978-7-03-032903-5 p257 习题8 4.编程求文件file1中数据的平均值,并将其与平均值最接近的数删除 #include ...
- 数据分析 python 用途-python数据统计分析
1. 常用函数库 scipy包中的stats模块和statsmodels包是python常用的数据分析工具,scipy.stats以前有一个models子模块,后来被移除了.这个模块被重写并成为了现在 ...
- 怎样通过vb设置透视表多项选择_数据透视表,数据统计分析的利器,你会了吗...
我们运营在日常工作中,需要对各类数据进行汇总和对比.那么问题就来了,面对纷繁复杂的数据,我们如何将这些分门别类,进行对比呢?这时候,数据透视表就能派上大用场. 那什么数据透视表呢? 我们来看看官方的说 ...
- python数据分析-python数据统计分析
1. 常用函数库 scipy包中的stats模块和statsmodels包是python常用的数据分析工具,scipy.stats以前有一个models子模块,后来被移除了.这个模块被重写并成为了现在 ...
- matlab数据转换为tecplot格式[ASCII码格式下的plt文件]
matlab数据转换为tecplot格式[ASCII码格式下的plt文件] 1 tecplot能读取的的常见ASCII格式 1.1 文件格式与文件头 1.2 zone相关的格式 2 一维数据 3 二维 ...
最新文章
- Linux挂载NTFS分区方法
- 机房收费系统之抽象工厂篇
- 智能建筑进入新的十年
- Betty's Sales team BP SQL
- EMS批量为用户分配邮箱
- 真正能挣钱的分析模型有哪些?这三个你绝对要学会
- java web 插件式开发_Java Web 后台开发效率提高:插件讲解
- 海量数据挖掘MMDS week2: 频繁项集挖掘 Apriori算法的改进:基于hash的方法
- react-tv-focusable
- C语言经典例题(菜鸟教程100例)
- 公开课:Excel做制冷仿真计算入门到提高
- vue中使用海康插件实现视频监控-前端给视频画面中添加文字
- DxO PhotoLab 2.1.2 for Mac精华汉化版 DxO PhotoLab 2.1.2 for Mac中文版
- 英伟达RTX 2080/2080Ti发布及UltraLAB采用最新turing图灵架构深度学习硬件配置推荐
- ThinkPad E545连WiFi教程(系统:ubuntu-20.04.3-live-server,无线网卡:BCM34142)
- 【问链-EOS公开课】第十五课 用cleos注册EOS主网账户、投票和发币
- 童文、李烨:6G的9大挑战
- Reg 命令修改注册表
- 无需代码,极简5步大屏可视化教程,3分钟就能轻松做出酷炫报表
- Android进阶(二十八)上下文菜单ContextMenu使用案例
热门文章
- android电视psp模拟器,PSP模拟器(PPSSPP) for Android平板电脑图文教程
- NodeMCU ESP8266+Arduino:将宿舍老式门锁改造为简易密码锁
- Python Selenium IE 上传文件和 处理网页对话框showModalDailog模态对话框
- 计算机原理视频罗克露优酷,计算机组成原理42讲 电子科技大学 罗克露
- 虚拟打印机安装后没了该怎么办
- python写入文件报错解决方法
- 武汉大学计算机国家网络安全学院怎么样,武汉大学国家网络安全学院怎么样?...
- Speedoffice(excel)如何运用公式通过身份证号码提取出性别
- noi题库 1.7编程基础之字符串 :题解大礼包20180723
- 初学者入门——NOI题库1.3