MATLAB R2015b機率與數理統計

MATLAB R2015b機率與數理統計

《MATLAB R2015b機率與數理統計》是2017年清華大學出版社出版的圖書,作者是鄧奮發。

基本介紹

  • 中文名:MATLAB R2015b機率與數理統計
  • 作者:鄧奮發
  • 出版社:清華大學出版社
  • 出版時間:2017年1月1日
  • ISBN:9787302453529
內容簡介,目錄,

內容簡介

本書側重於機率與數理統計學的MATLAB實現,並精選大量的機率與數理統計套用實例,通過實例分析來求解,做到理論與實踐相結合。
本書可作為工科碩士研究生“套用機率與數理統計學”課程的基礎教材、本科生相關專業的專業基礎教材或實驗教材,也可作為科研人員、工程技術人員的工具書或理論參考書。

目錄

第1章MATLAB R2015b概述
1.1MATLAB的功能及發展史
1.1.1MATLAB的功能
1.1.2MATLAB的優點
1.1.3MATLAB的發展史
1.1.4MATLAB R2015b新功能
1.2MATLAB R2015b開發環境
1.2.1MATLAB R2015b的安裝
1.2.2MATLAB的集成環境
1.3MATLAB的語言基礎
1.3.1MATLAB的數值
1.3.2MATLAB的變數
1.3.3MATLAB數組
1.3.4基本數值類型
1.3.5字元類型
1.3.6函式句柄
1.3.7結構體和元胞數組
1.3.8運算符
1.4MATLAB流程控制
1.4.1選擇結構
1.4.2循環結構
1.5M檔案
1.5.1M腳本檔案
1.5.2M函式檔案
1.5.3M檔案技巧
第2章機率與數理統計概述
2.1機率論基礎
2.1.1隨機事件與機率
2.1.2機率論的產生
2.1.3機率論的發展
2.1.4機率論的內容
2.1.5數理統計的內容
2.1.6事件的獨立性
2.2隨機變數
2.2.1連續型隨機變數
2.2.2離散型隨機變數
2.2.3隨機變數的分布函式
2.3隨機分布
2.3.1常態分配
2.3.2標準常態分配
2.3.3Γ分布
2.3.4χ2分布
2.3.5T分布
2.3.6Rayleigh分布
2.3.7F分布
2.3.8泊松分布
2.3.9指數分布
2.3.10均勻分布
2.3.11二項分布
2.4多維隨機變數及分布
2.4.1分布律
2.4.2相互獨立性
2.4.3數字特徵
2.5大數定律
2.6中心極限定理
2.7偏斜度與峰值
2.7.1偏斜度
2.7.2峰值
第3章統計估計
3.1點估計
3.1.1矩估計
3.1.2極大似然估計
3.1.5點估計的優良性準則
3.2區間估計
3.2.1區間估計簡介
3.2.2區間估計的含義
3.2.3區間估計的基本思想
3.2.4區間估計的方法
3.2.5區間估計函式
3.3參數估計實例
3.4核密度估計
3.4.1核密度估計的概述
3.4.2核密度估計的形式
3.4.3頻寬的選取
3.4.4核密度估計的MATLAB實現
3.5統計作圖
3.5.1直方圖
3.5.2頻數表
3.5.3箱形圖
3.5.4經驗累加分布圖
3.5.5誤差條圖
3.5.6互動等值線圖
3.5.7散點圖
3.5.8最小二乘擬合線
3.5.9正態機率圖
3.5.10QQ圖
3.5.11帕累托圖
3.5.12頻率直方圖
第4章假設檢驗
4.1假設檢驗的簡介
4.1.1基本思想
4.1.2基本方法
4.1.3基本步驟
4.1.4假設檢驗的p值
4.1.5假設檢驗與區間估計的關係
4.2正態總體參數的假設檢驗
4.2.1正態變數均值與方差的假設檢驗
4.2.2兩個正態變數的均值與方差的比較
4.2.3非正態變數分布參數的檢驗
4.2.4變數分布形態檢驗
4.3其他檢驗
4.3.1秩和檢驗
4.3.2Wilcoxon符號檢驗
第5章方差分析
5.1概述
5.1.1基本原理
5.1.2必要性
5.1.3基本思想
5.1.4基本套用
5.1.5實例分析
5.2單因素方差分析
5.2.1統計模型
5.2.2分解偏差平方和
5.2.3假設檢驗
5.2.4多重比較
5.2.5效應與誤差估計
5.2.6方差齊性檢驗
5.2.7單因子方差的MATLAB實現
5.3雙因子方差分析
5.3.1無互動作用的雙因素方差分析
5.3.2有互動作用的雙因素方差分析
5.4多因素方差分析
第6章回歸分析
6.1一元線性回歸分析
6.1.1最小二乘估計
6.1.2檢驗回歸係數
6.1.3誤差估計
6.1.4回歸式的注意事項
6.1.5一元線性回歸的MATLAB實現
6.2多元線性回歸分析
6.2.1回歸模型及矩陣表示
6.2.2顯著性檢驗
6.2.3β的最小二乘估計
6.2.4誤差方差σ2的估計
6.2.5回歸的預測
6.2.6多元回歸的MATLAB實現
6.3.1一元非線性回歸分析
6.3.2多元非線性回歸分析
6.3.3非線性回歸分析的MATLAB實現
6.4逐步回歸分析
6.4.1主要思想
6.4.2實現步驟
6.4.3逐步回歸分析的MATLAB實現
6.5穩健回歸分析
6.6廣義回歸分析
6.6.1三項構成要素
6.6.2廣義線性模型與連續變數模型的關係
6.6.3廣義線性模型的優點
6.6.4廣義線性回歸MATLAB實現
6.7嶺回歸
6.7.1基本原理
6.7.2嶺回歸缺點
6.7.3嶺回歸的MATLAB實現
第7章正交實驗
7.1基本思想
7.2正交表
7.2.1“完全對”與“均衡搭配”
7.2.2正交表的定義與格式
7.2.3正交表的分類及特點
7.2.4正交表的性質
7.3無互動作用的正交實驗
7.3.1實驗方案設計
7.3.2極差分析
7.3.3方差分析
7.4互動作用正交實驗
7.4.1互動作用的處理原則
7.4.2互動作用試驗的MATLAB實現
第8章主成分分析
8.1主成分分析的概述
8.1.1主成分的特點
8.1.2基本原理
8.1.3樣本主成分
8.2主成分分析的具體步驟
8.3主成分分析的計算步驟
8.4主成分分析的MATLAB實現
8.5主成分的綜合套用
第9章因子分析
9.1因子分析的概述
9.1.1方法功用
9.1.2套用範圍
9.1.3使用方法
9.1.4因子分析的優點
9.1.5因子分析的數學模型
9.2R型因子
9.2.1R型因子的幾何說明
9.2.2R型因子的理論模式
9.2.3實測樣本分析R型因子
9.3Q型因子分析
9.4目標因子分析
9.5因子分析的MATLAB實現
第10章判別分析
10.1判別分析概述
10.1.1判別分析的方法
10.1.2判別分析的套用
10.1.3判別分析的意義
10.2距離判別分析
10.3Fisher判別法
10.4Bayes判別法
10.4.1貝葉斯的發展史
10.4.2貝葉斯定理和貝葉斯公式
10.4.3貝葉斯判別方法
10.4.4貝葉斯分類模型
10.5逐步判別法
第11章聚類分析
11.1聚類分析概述
11.1.1聚類與分類的區別
11.1.2聚類分析的套用
11.2距離與相似係數
11.3一次形成法和逐步聚類法
11.3.1一次形成法
11.3.2逐步聚類法
11.5K均值聚類法
11.5.1KMeans算法的原理
11.5.2KMeans算法的步驟
11.5.3KMeans算法的特點
11.5.4KMeans聚類的MATLAB實現
11.6模糊C均值聚類
11.7減法聚類
11.8聚類分析的MATLAB實現
11.9聚類分析的套用
參考文獻

相關詞條

熱門詞條

聯絡我們