MATLAB中的统计方法

课程介绍

   本课程为MATLAB基础及统计应用课程,提供了对 MATLAB基本操作和Statistics Toolbox(统计工具箱)中的统计工具的全面介绍。本课程适用于MATLAB零基础的初级用户以及希望对MATLAB数据处理功能做全面了解的中级用户,课程中包含的众多实例和练习将带您体验MATLAB的统计应用。课程将探讨MATLAB编程、绘图与可视化、统计建模、数据挖掘等主题。

       本课程偏重MATLAB实际操作,为顺利学习本课程,要求学员应提前掌握一定的概率统计理论知识,在此基础上,通过本课程的学习,可使MATLAB零基础的学员熟练掌握MATLAB基本操作,能够利用MATLAB进行数据统计分析与数据管理。

知识概要

第一天

导入和组织数据

目标了解MATLAB和统计工具箱中的各种读入数据的方法和支持的数据类型。

• 导入数据

• 数据类型

• 数据集矩阵

• 数据合并

• 数据分类

• 缺失数据

分析数据

目标:本章介绍如何对数据集进行基本的统计分析,包括显示和概要统计分析。

• 描述统计学

• 中心

• 散度

• 统计显示

• 分组数据

分布

目标使用统计工具箱中的函数来产生不同概率分布,对给定的数据集拟合一个分布。

• 概率分布

• 分布参数

• 比较和拟合分布

• 非参数化拟合

• 分布目标

假设检验

目标使用统计工具箱来判断对数据集的断言是否准确。假设检验的常见应用,比如比较两个分布,确定置信区间等。

• 假设检验

• 正态分布检验

• 非正态分布检验

第二天

方差分析

目标使用统计工具箱中的函数比较多组数据的采样平均值,找到数据组之间的显著区别。

• 多种比较

• One-way ANOVA

• N-way ANOVA

• MANOVA

• Nonnormal ANOVA

• 分类相关

回归

目标:对数据集进行线性和非线性模型,介绍提高模型质量的俄方法。

• 线性回归模型

• 设计矩阵

• 执行线性回归

• 增加和减少预测器

• 加强鲁棒性

• 广义线性回归

• 非线性回归

处理多维数据

目标:了解对数据集降维的方法,对数据进行分类。

• 特征转换

• 特征选择

• 分类

• 聚类

随机数和仿真

目标:使用随机数仿真系统的不确定性。主要介绍产生各种不同分布的随机数和随机数声生成的算法。 

• 子举和仿真

• 随机数生成器

• 随机数流

• 任意分布


培训收益

          本课程定位为实战操作的培训课程,课程将以MATLAB R2013a版为工具,基于案例介绍MATLAB软件操作实务,使学员能突破软件编程习惯的限制,聚焦MATLAB应用,从而更快地提高自身的实战能力。