MATLAB R2015b概率论与数理统计 本书特色

本书以MATLAB R2015b为平台进行编写，以概率与数理统计学为主线、MATLAB为辅助工具有机结合进行讲述，实用性非常强，实现的方法也很多，主要包括MATLAB计算基础、概率与数理统计学基础、统计估计、假设检验、方差分析、回归分析、正交实验、主成分分析、因子分析、判别分析和聚类分析等内容。 本书侧重于概率与数理统计学的MATLAB实现，并精选大量的概率与数理统计应用实例，通过实例分析来求解，做到理论与实践相结合。 本书可作为工科硕士研究生“应用概率与数理统计学”课程的基础教材、本科生相关专业的专业基础教材或实验教材，也可作为科研人员、工程技术人员的工具书或理论参考书。

MATLAB R2015b概率论与数理统计 内容简介

MATLAB R2015b概率与数理统计（精通MATLAB）是“精通MATLAB”丛书之一，全书基于MATLAB R2015a平台，以概率与数理统计学为主线、MATLAB为辅助工具有机结合进行讲述，实用性非常强，实现的方法也很多。作者还将理论与实践相交融，结合实际工作中的开发经验、心得体会，而且精心编写了170多个MATLAB概率与数理统计应用典型实例，供读者学习、开发时参考。本书提供所有程序源代码。“精通MATLAB”相关书目如下：（1）MATLAB 8.X实战指南(R2014a中文版）（2）数字图像处理高级应用——基于MATLAB和CUDA的实现（3）MATLAB通信系统建模与仿真（4）MATLAB R2015a数字图像处理（5）MATLAB R2015b数学建模（6）MATLAB R2015a小波分析（7）MATLAB R2015b神经网络技术（8）MATLAB R2015b*化计算（9）MATLAB R2015b概率与数理统计

MATLAB R2015b概率论与数理统计 目录

目录 第1章MATLAB R2015b概述 1.1MATLAB的功能及发展史 1.1.1MATLAB的功能 1.1.2MATLAB的优点 1.1.3MATLAB的发展史 1.1.4MATLAB R2015b新功能 1.2MATLAB R2015b开发环境 1.2.1MATLAB R2015b的安装 1.2.2MATLAB的集成环境 1.3MATLAB的语言基础 1.3.1MATLAB的数值 1.3.2MATLAB的变量 1.3.3MATLAB数组 1.3.4基本数值类型 1.3.5字符类型 1.3.6函数句柄 1.3.7结构体和元胞数组 1.3.8运算符 1.4MATLAB流程控制 1.4.1选择结构 1.4.2循环结构 1.5M文件 1.5.1M脚本文件 1.5.2M函数文件 1.5.3M文件技巧 第2章概率与数理统计概述 2.1概率论基础 2.1.1随机事件与概率 2.1.2概率论的产生 2.1.3概率论的发展 2.1.4概率论的内容 2.1.5数理统计的内容 2.1.6事件的独立性 2.2随机变量 2.2.1连续型随机变量 2.2.2离散型随机变量 2.2.3随机变量的分布函数 2.3随机分布 2.3.1正态分布 2.3.2标准正态分布 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指数分布 2.3.10均匀分布 2.3.11二项分布 2.4多维随机变量及分布 2.4.1分布律 2.4.2相互独立性 2.4.3数字特征 2.5大数定律 2.6中心极限定理 2.7偏斜度与峰值 2.7.1偏斜度 2.7.2峰值 第3章统计估计 3.1点估计 3.1.1矩估计 3.1.2极大似然估计 3.1.3顺序统计量 3.1.4*小二乘法 3.1.5点估计的优良性准则 3.2区间估计 3.2.1区间估计简介 3.2.2区间估计的含义 3.2.3区间估计的基本思想 3.2.4区间估计的方法 3.2.5区间估计函数 3.3参数估计实例 3.4核密度估计 3.4.1核密度估计的概述 3.4.2核密度估计的形式 3.4.3带宽的选取 3.4.4核密度估计的MATLAB实现 3.5统计作图 3.5.1直方图 3.5.2频数表 3.5.3箱形图 3.5.4经验累加分布图 3.5.5误差条图 3.5.6交互等值线图 3.5.7散点图 3.5.8*小二乘拟合线 3.5.9正态概率图 3.5.10QQ图 3.5.11帕累托图 3.5.12频率直方图 第4章假设检验 4.1假设检验的简介 4.1.1基本思想 4.1.2基本方法 4.1.3基本步骤 4.1.4假设检验的p值 4.1.5假设检验与区间估计的关系 4.2正态总体参数的假设检验 4.2.1正态变量均值与方差的假设检验 4.2.2两个正态变量的均值与方差的比较 4.2.3非正态变量分布参数的检验 4.2.4变量分布形态检验 4.3其他检验 4.3.1秩和检验 4.3.2Wilcoxon符号检验 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基本应用 5.1.5实例分析 5.2单因素方差分析 5.2.1统计模型 5.2.2分解偏差平方和 5.2.3假设检验 5.2.4多重比较 5.2.5效应与误差估计 5.2.6方差齐性检验 5.2.7单因子方差的MATLAB实现 5.3双因子方差分析 5.3.1无交互作用的双因素方差分析 5.3.2有交互作用的双因素方差分析 5.4多因素方差分析 第6章回归分析 6.1一元线性回归分析 6.1.1*小二乘估计 6.1.2检验回归系数 6.1.3误差估计 6.1.4回归式的注意事项 6.1.5一元线性回归的MATLAB实现 6.2多元线性回归分析 6.2.1回归模型及矩阵表示 6.2.2显著性检验 6.2.3β的*小二乘估计 6.2.4误差方差σ2的估计 6.2.5回归的预测 6.2.6多元回归的MATLAB实现 6.3非线性回归分析 6.3.1一元非线性回归分析 6.3.2多元非线性回归分析 6.3.3非线性回归分析的MATLAB实现 6.4逐步回归分析 6.4.1主要思想 6.4.2实现步骤 6.4.3逐步回归分析的MATLAB实现 6.5稳健回归分析 6.6广义回归分析 6.6.1三项构成要素 6.6.2广义线性模型与连续变量模型的关系 6.6.3广义线性模型的优点 6.6.4广义线性回归MATLAB实现 6.7岭回归 6.7.1基本原理 6.7.2岭回归缺点 6.7.3岭回归的MATLAB实现 第7章正交实验 7.1基本思想 7.2正交表 7.2.1“完全对”与“均衡搭配” 7.2.2正交表的定义与格式 7.2.3正交表的分类及特点 7.2.4正交表的性质 7.3无交互作用的正交实验 7.3.1实验方案设计 7.3.2极差分析 7.3.3方差分析 7.4交互作用正交实验 7.4.1交互作用的处理原则 7.4.2交互作用试验的MATLAB实现 第8章主成分分析 8.1主成分分析的概述 8.1.1主成分的特点 8.1.2基本原理 8.1.3样本主成分 8.2主成分分析的具体步骤 8.3主成分分析的计算步骤 8.4主成分分析的MATLAB实现 8.5主成分的综合应用 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应用范围 9.1.3使用方法 9.1.4因子分析的优点 9.1.5因子分析的数学模型 9.2R型因子 9.2.1R型因子的几何说明 9.2.2R型因子的理论模式 9.2.3实测样本分析R型因子 9.3Q型因子分析 9.4目标因子分析 9.5因子分析的MATLAB实现 第10章判别分析 10.1判别分析概述 10.1.1判别分析的方法 10.1.2判别分析的应用 10.1.3判别分析的意义 10.2距离判别分析 10.3Fisher判别法 10.4Bayes判别法 10.4.1贝叶斯的发展史 10.4.2贝叶斯定理和贝叶斯公式 10.4.3贝叶斯判别方法 10.4.4贝叶斯分类模型 10.5逐步判别法 第11章聚类分析 11.1聚类分析概述 11.1.1聚类与分类的区别 11.1.2聚类分析的应用 11.2距离与相似系数 11.3一次形成法和逐步聚类法 11.3.1一次形成法 11.3.2逐步聚类法 11.4系统聚类法 11.5K?均值聚类法 11.5.1K?Means算法的原理 11.5.2K?Means算法的步骤 11.5.3K?Means算法的特点 11.5.4K?Means聚类的MATLAB实现 11.6模糊C?均值聚类 11.7减法聚类 11.8聚类分析的MATLAB实现 11.9聚类分析的应用 参考文献

 1/2    1 2 下一页 尾页

自然科学 数学 概率论与数理统计

在线阅读