MATLAB數(shù)理統(tǒng)計(jì)分析

數(shù)理統(tǒng)計(jì)分析的MATLAB實(shí)現(xiàn)MATLAB基礎(chǔ)知識(shí)統(tǒng)計(jì)分析的基本概念、工具及推理基礎(chǔ)統(tǒng)計(jì)估計(jì)第一章MATLAB基礎(chǔ)知識(shí)1.1MATLAB概況1.1.1MATLAB發(fā)展歷程

1980年，美國(guó)的CleverMoler博士建立了MATLAB(MatrixLaboratory)，即矩陣實(shí)驗(yàn)室。隨后1984年建立了名為MathWorks的軟件開發(fā)公司。早期的MATLAB只能做矩陣運(yùn)算，繪圖也只能用星號(hào)描點(diǎn)的形式畫圖。而后經(jīng)過不斷的改進(jìn)發(fā)展，現(xiàn)在MATLAB已經(jīng)成為國(guó)際最為流行的科學(xué)與工程計(jì)算軟件之一，它以其模塊化的計(jì)算方法、可視化與智能化的人機(jī)交互功能、豐富的矩陣運(yùn)算、圖形繪制和數(shù)據(jù)處理函數(shù)，以及模塊化圖形組態(tài)的動(dòng)態(tài)系統(tǒng)仿真工具Simulink，成為控制系統(tǒng)設(shè)計(jì)和仿真領(lǐng)域最受歡迎的軟件系統(tǒng)。1.1.2MATLAB的語言特點(diǎn)

MATLAB命令和數(shù)學(xué)中的符號(hào)、公式非常接近，可讀性強(qiáng)，容易掌握。MATLAB語言除了具有強(qiáng)大數(shù)值計(jì)算和圖形功能以外，還提供了應(yīng)用于許多領(lǐng)域的工具箱。它與其他語言的接口能夠保證其與各種強(qiáng)大的計(jì)算機(jī)軟件相結(jié)合，可擴(kuò)展性很強(qiáng)。MATLAB目前為止可以在各種類型的計(jì)算機(jī)上運(yùn)行，程序也可以直接移植到其他機(jī)型上使用?？梢哉fMATLAB是和機(jī)器類型及操作系統(tǒng)基本無關(guān)的軟件。MATLAB語言具有較高的運(yùn)算精度，矩陣類運(yùn)算可以達(dá)到10-15數(shù)量級(jí)的精度，符合一般科學(xué)與工程運(yùn)算的要求。1.2MATLAB的功能

MATLAB產(chǎn)品族被廣泛地應(yīng)用于信號(hào)圖像處理、控制系統(tǒng)設(shè)計(jì)、通信、系統(tǒng)仿真、虛擬現(xiàn)實(shí)等諸多領(lǐng)域。它的一大特性是有眾多面向具體應(yīng)用的工具箱和仿真塊，包含了完整的函數(shù)集用來對(duì)信號(hào)和圖像處理、控制系統(tǒng)設(shè)計(jì)、神經(jīng)網(wǎng)絡(luò)等特殊應(yīng)用進(jìn)行分析和設(shè)計(jì)。圖1-1世界正則矩陣地圖圖1-2朝鮮半島的數(shù)字高程模型圖1-3經(jīng)過光照處理的三維圖MATLAB主要功能如下：（1）MATLAB。MATLAB是MathWorks公司所有產(chǎn)品的數(shù)值分析和圖形基礎(chǔ)環(huán)境，它將二維和三維圖形、MATLAB語言能力集成到一個(gè)單一的、易學(xué)易用的環(huán)境之中。（2）MATLABToolbox。工具箱是一系列專用的MATLAB函數(shù)庫(kù)，以解決特定領(lǐng)域的問題，它是開放的、可擴(kuò)展的，也就是說用戶可以查看其中的算法或開發(fā)自己的算法。（3）MATLABCompiler。編譯器可以將MATLAB語言編寫的M-文件自動(dòng)轉(zhuǎn)換成C或C++文件，支持用戶進(jìn)行獨(dú)立應(yīng)用開發(fā)。（4）Simulink。Simulink是結(jié)合了框圖界面和交互仿真能力的非線性動(dòng)態(tài)系統(tǒng)仿真工具，它以MATLAB的核心數(shù)學(xué)、圖形和語言為基礎(chǔ)。（5）Stateflow。Stateflow與Simulink框圖模型相結(jié)合，描述復(fù)雜事件驅(qū)動(dòng)系統(tǒng)的邏輯行為，驅(qū)動(dòng)系統(tǒng)在不同的模式之間進(jìn)行切換。（6）Real-TimeWorkshop。直接從Simulink框圖自動(dòng)生成C代碼，整個(gè)代碼的生成可以根據(jù)需要進(jìn)行完全定制。（7）SimulinkBlockset。專門為特定領(lǐng)域設(shè)計(jì)的Simulink功能塊的集合，用戶也可以利用已有的塊或自動(dòng)編寫的C和MATLAB程序建立自己的塊。1.3MATLAB的開發(fā)環(huán)境1.3.1MATLAB桌面平臺(tái)

桌面平臺(tái)是各桌面組件的展示平臺(tái)，默認(rèn)設(shè)置情況下的桌面平臺(tái)包括4個(gè)窗口，即命令窗口(CommandWindow)、命令歷史窗口(CommandHistory)、當(dāng)前目錄窗口(CurrentDirectory)和工作空間窗口(Workspace)。此外，MATLAB還有編譯窗口、圖形窗口和幫助窗口等其他種類的窗口。1.3.2.運(yùn)行方式

MATLAB提供了兩種運(yùn)行方式，即命令行方式和M文件方式。1.3.3.MATLAB幫助系統(tǒng)1.3.4.工具箱第二章統(tǒng)計(jì)分析的基本概念、工具及推理基礎(chǔ)2.1變量與數(shù)據(jù)的基本概念2.1.1變量及其概率分布1.繪制正態(tài)分布的密度函數(shù)、分布函數(shù)程序如下：clearmu=2.5;sigma=0.6;x=(mu-4*sigma):0.005:(mu+4*sigma);y=normpdf(x,mu,sigma);f=normcdf(x,mu,sigma);plot(x,y,'-g',x,f,':b')legend('pdf','cdf',-1)表2-1線型和顏色控制符線形點(diǎn)標(biāo)記顏色-實(shí)線:虛線-.點(diǎn)劃線--間斷線.點(diǎn)o小圓圈x叉子符+加號(hào)*星號(hào)s方格d菱形^朝上三角v朝下三角>朝右三角<朝左三角p五角星h六角星y黃m棕色c青色r紅色g綠色b藍(lán)色w白色k黑色2.正態(tài)分布參數(shù)μ和σ對(duì)密度曲線的影響程序如下：clearmu1=2.5;mu2=3;sigma1=0.5;sigma2=0.6;x=(mu2-4*sigma2):0.01:(mu2+4*sigma2);y1=normpdf(x,mu1,sigma1);y2=normpdf(x,mu2,sigma1);y3=normpdf(x,mu1,sigma1);y4=normpdf(x,mu1,sigma2);subplot(1,2,1)plot(x,y1,'-g',x,y2,'-b')xlabel('\fontsize{12}mu1<mu2,sigma1=sigma2')legend('mu1','mu2')subplot(1,2,2)plot(x,y3,'-g',x,y4,'-b')xlabel('\fontsize{12}mu1=mu2,sigma1<sigma2')legend('sigma1','sigma2')3.正態(tài)分布參數(shù)μ和σ對(duì)變量X取值規(guī)律的約束—3σ原則clear,clfX=linspace(-5,5,100);Y=normpdf(X,0,1);yy=normpdf([-3,-2,-1,0,1,2,3],0,1);plot(X,Y,'k-',[0,0],[0,yy(4)],'c-.')holdonplot([-2,-2],[0,yy(2)],'m:',[2,2],[0,yy(6)],'m:',[-2,-0.5],[yy(6),yy(6)],'m:',[0.5,2],[yy(6),yy(6)],'m:')plot([-1,-1],[0,yy(3)],'g:',[1,1],[0,yy(5)],'g:',[-1,-0.5],[yy(5),yy(5)],'g:',[0.5,1],[yy(5),yy(5)],'g:')plot([-3,-3],[0,yy(1)],'b:',[3,3],[0,yy(7)],'b:',[-3,-0.5],[yy(7),yy(7)],'b:',[0.5,3],[yy(7),yy(7)],'b:')holdofftext(-0.5,yy(6)+0.005,'\fontsize{14}95.44%')text(-0.5,yy(5)+0.005,'\fontsize{14}68.26%')text(-0.5,yy(7)+0.005,'\fontsize{14}99.74%')text(-3.2,-0.03,'\fontsize{10}μ-3σ')text(-2.2,-0.03,'\fontsize{10}μ-2σ')text(-1.2,-0.03,'\fontsize{10}μ-σ')text(-0.05,-0.03,'\fontsize{10}μ')text(0.8,-0.03,'\fontsize{10}μ+σ')text(1.8,-0.03,'\fontsize{10}μ+2σ')text(2.8,-0.03,'\fontsize{10}μ+3σ')

由圖可以看出盡管正態(tài)變量的取值范圍是(-∞,+∞)，但它的值落在(μ-3σ,μ+3σ)內(nèi)幾乎是肯定的事。2.2統(tǒng)計(jì)分析的基本工具2.2.1數(shù)據(jù)集中度的度量1.樣本均值函數(shù)名稱：mean調(diào)用格式：m=mean(X)2.樣本中值函數(shù)名稱：median調(diào)用格式：m=median(X)3.幾何平均函數(shù)名稱：geomean調(diào)用格式：m=geomean(X)4.調(diào)和平均函數(shù)名稱：harmmean調(diào)用格式：m=harmmean(X)2.2.2數(shù)據(jù)差異性的度量1.樣本方差函數(shù)名稱：var調(diào)用格式：y=var(X)2.樣本標(biāo)準(zhǔn)差函數(shù)名稱：std調(diào)用格式：y=std(X)3.樣本極差函數(shù)名稱：range調(diào)用格式：y=range(X)2.2.3數(shù)據(jù)分布特征的度量1.樣本的經(jīng)驗(yàn)分位數(shù)函數(shù)名稱：prctile調(diào)用格式：y=prctile(X,p)2.樣本峰度函數(shù)名稱：kurtosis調(diào)用格式：y=kurtosis(X)3.樣本偏度函數(shù)名稱：skewness調(diào)用格式：y=skewness(X)2.2.4兩組數(shù)據(jù)線性相依程度的度量1.樣本協(xié)方差函數(shù)名稱：cov調(diào)用格式：y=cov(X)2.樣本相關(guān)系數(shù)函數(shù)名稱：corrcoef調(diào)用格式：y=corrcoef(X)2.3.1三大分布與分位數(shù)1.t分布和標(biāo)準(zhǔn)正態(tài)分布的比較（n=2,4,45）clear,clfX=linspace(-4,4,100);Y0=normpdf(X,0,1);Y1=tpdf(X,45);Y2=tpdf(X,4);Y3=tpdf(X,2);YY0=normpdf(0,0,1);plot(X,Y0,'.b',X,Y1,'-c',X,Y2,'-m',X,Y3,'-k',[0,0,],[0,YY0],':r')title('\fontsize{18}\fontname{華文新魏}不同自由度的t分布概率密度曲線')legend('N(0,1)','df:n=45','df:n=4','df:n=2')2.3統(tǒng)計(jì)分析的理論基礎(chǔ)2.α分位數(shù)的定義、求上側(cè)、下側(cè)、雙側(cè)α分位數(shù)介紹程序中幾個(gè)關(guān)鍵的MATLAB函數(shù)：（1）計(jì)算標(biāo)準(zhǔn)正態(tài)分布的0.05分位點(diǎn)。如上側(cè)α/2分位點(diǎn)的計(jì)算指令是:xalpha=norminv(0.975,0,1)下面幾個(gè)數(shù)值是標(biāo)準(zhǔn)正態(tài)分布的0.05分位點(diǎn)：下側(cè)分位點(diǎn)：-1.6449；上側(cè)分位點(diǎn)：1.6449；雙側(cè)分位點(diǎn)：-1.9600，1.9600。（2）生成樣本數(shù)據(jù)。如生成300個(gè)標(biāo)準(zhǔn)正態(tài)分布隨機(jī)數(shù)的計(jì)算指令是:data=normrnd(0,1,300,1)（3）繪制工序能力圖（繪制由分位點(diǎn)控制的密度曲線下的面積圖，用陰影表示，并計(jì)算樣本數(shù)據(jù)落入控制區(qū)域的概率，顯示在標(biāo)題位置上）。計(jì)算指令是:capaplot(data,[xalpha,inf])程序如下：%alpha分位點(diǎn)示意圖（alpha=0.05）clearclfdata=normrnd(0,1,300,1);xalpha1=norminv(0.05,0,1);xalpha2=norminv(0.95,0,1);xalpha3=norminv(0.025,0,1);xalpha4=norminv(0.975,0,1);subplot(3,1,1)capaplot(data,[-inf,xalpha1]);axis([-3,3,0,0.45])subplot(3,1,2)capaplot(data,[xalpha2,inf]);axis([-3,3,0,0.45])subplot(3,1,3)capaplot(data,[-inf,xalpha3]);axis([-3,3,0,0.45])holdoncapaplot(data,[xalpha4,inf]);axis([-3,3,0,0.45])holdoff第三章統(tǒng)計(jì)估計(jì)3.1變量分布形態(tài)的估計(jì)3.1.1 頻率分布表

例3-1鋼材中的含硅量X是影響材料性能的一項(xiàng)重要因素。在煉鋼生產(chǎn)過程中，由于各種隨機(jī)因素的影響，各爐鋼的含硅量X是有差異的。對(duì)含硅量X概率分布的了解是有關(guān)鋼材料性能分析的重要依據(jù)。某煉鋼廠120爐正常生產(chǎn)的25MnSi鋼的含硅量（單位：%）如下：0.860.830.770.810.810.800.790.820.820.810.820.780.800.810.870.810.770.780.770.780.770.710.950.780.810.790.800.770.760.820.840.790.900.820.790.820.790.860.810.780.820.780.730.840.810.810.830.890.780.860.780.840.840.750.810.810.740.780.760.800.750.790.850.780.740.710.880.820.760.850.810.790.770.810.810.870.830.650.640.780.800.800.770.840.750.830.900.800.850.810.820.840.850.840.820.850.840.820.850.840.810.770.820.830.820.740.730.750.770.780.870.770.800.750.820.780.780.820.780.78編制25MnSi鋼含硅量數(shù)據(jù)的頻率分布表。頻率分布表的編制步驟：1.數(shù)據(jù)分組。（1）確定數(shù)據(jù)組個(gè)數(shù)。根據(jù)樣本容量n確定分組數(shù)k，推薦公式為k=1.87(n-1)2/5

。（2）計(jì)算極差。（3）確定組距。（4）確定各組端點(diǎn)。2.統(tǒng)計(jì)各組頻數(shù)。各組頻數(shù)就是數(shù)據(jù)落入各個(gè)小組中的個(gè)數(shù)，記為ni。3.計(jì)算頻率。（1）計(jì)算各組頻率。計(jì)算公式為fi=ni/n。（2）計(jì)算各組累積頻率。4.編制頻率分布表。程序如下：clearloadE:\matlab7\mnsi.txtk=ceil(1.87*(length(mnsi)-1)^0.4);[ni,ak]=hist(mnsi,k);fi=ni/length(mnsi);mfi=cumsum(fi);stats=[[1:k]',ak',ni',fi',mfi']表3-1120爐25MnSi鋼的含硅量數(shù)據(jù)頻率分布表3.1.2頻率直方圖繪制例3-1的頻率直方圖clearloadE:\matlab7\mnsi.txthist(mnsi)h=findobj(gca,'Type','patch');set(h,'FaceColor','y','EdgeColor','b')h=histfit(mnsi,13);%畫附正態(tài)參考曲線的直方圖，并提取圖形句柄hset(h(1),'FaceColor','c','EdgeColor','w')set(h(2),'Color','r')3.1.3經(jīng)驗(yàn)分布函數(shù)求出例3-1中25MnSi鋼含硅量的經(jīng)驗(yàn)分布函數(shù)clearloadE:\matlab7\mnsi.txt[h,stats]=cdfplot(mnsi)

由圖可以看出，樣本經(jīng)驗(yàn)分布函數(shù)圖像上升速度較快，均值與中值接近，圖像的S形狀均衡對(duì)稱，均值處函數(shù)值為0.5.這些特征表明，25MnSi鋼的含硅量可能服從均值為0.8026、標(biāo)準(zhǔn)差為0.0450的正態(tài)分布。接下來可以通過正態(tài)分布擬合檢驗(yàn)進(jìn)一步證實(shí)這種推測(cè)。3.2 變量分布參數(shù)的估計(jì)3.2.1 極大似然估計(jì)表3-2重復(fù)觀測(cè)樣本數(shù)據(jù)20124212021511311155例3-2對(duì)于表3-2中的數(shù)據(jù)，請(qǐng)利用MATLAB函數(shù)解答下列問題。（1）假設(shè)表3-2中的數(shù)據(jù)為X~P(λ)的重復(fù)觀測(cè)樣本數(shù)據(jù)，計(jì)算X方差的極大似然估計(jì)值；（2）假設(shè)表3-2中的數(shù)據(jù)為X~N(μ,σ2)的重復(fù)觀測(cè)樣本數(shù)據(jù)，計(jì)算μ的極大似然估計(jì)值；（3）假設(shè)表3-2中的數(shù)據(jù)為X~N(μ,σ2)的重復(fù)觀測(cè)樣本數(shù)據(jù)，計(jì)算μ和σ的極大似然估計(jì)值；（4）假設(shè)表3-2中的數(shù)據(jù)為X~U(a,b)的重復(fù)觀測(cè)樣本數(shù)據(jù)，計(jì)算a的極大似然估計(jì)值；（5）假設(shè)表3-2中的數(shù)據(jù)為X~U(a,b)的重復(fù)觀測(cè)樣本數(shù)據(jù)，計(jì)算a和b的極大似然估計(jì)值；解：先