MATLAB數(shù)據(jù)分析方法（第2版）

目錄
前言
教學(xué)建議
第1章　MATLAB基礎(chǔ)1
　1.1　數(shù)據(jù)分析與MATLAB1
　　1.1.1　數(shù)據(jù)分析概述1
　　1.1.2　MATLAB在數(shù)據(jù)分析中的作用2
　1.2　MATLAB基礎(chǔ)概述3
　　1.2.1　MATLAB的影響3
　　1.2.2　MATLAB的特點(diǎn)與主要功能3
　　1.2.3　MATLAB主界面與常用窗口4
　　1.2.4　MATLAB的聯(lián)機(jī)幫助7
　　1.2.5　工具箱及其在線(xiàn)幫助8
　1.3　MATLAB基本語(yǔ)法10
　　1.3.1　數(shù)據(jù)類(lèi)型10
　　1.3.2　操作符與運(yùn)算符12
　　1.3.3　MATLAB命令函數(shù)14
　1.4　數(shù)組和矩陣運(yùn)算14
　　1.4.1　數(shù)組的創(chuàng)建與運(yùn)算14
　　1.4.2　矩陣的輸入與運(yùn)算15
　1.5　M文件與編程20
　　1.5.1　M文件編輯/調(diào)試器窗口20
　　1.5.2　M文件21
　　1.5.3　控制語(yǔ)句的編程22
　1.6　MATLAB通用操作實(shí)例25
　習(xí)題128
第2章　數(shù)據(jù)描述性分析29
　2.1　基本統(tǒng)計(jì)量與數(shù)據(jù)可視化29
　　2.1.1　一維樣本數(shù)據(jù)的基本統(tǒng)計(jì)量29
　　2.1.2　多維樣本數(shù)據(jù)的統(tǒng)計(jì)量36
　　2.1.3　樣本數(shù)據(jù)可視化39
　2.2　數(shù)據(jù)分布及其檢驗(yàn)45
　　2.2.1　一維數(shù)據(jù)的分布與檢驗(yàn)45
　　2.2.2　多維數(shù)據(jù)的正態(tài)分布檢驗(yàn)48
　2.3　數(shù)據(jù)變換52
　　2.3.1　數(shù)據(jù)屬性變換52
　　2.3.2　Box-Cox變換55
　　2.3.3　基于數(shù)據(jù)變換的綜合評(píng)價(jià)模型57
　習(xí)題259
　實(shí)驗(yàn)1　數(shù)據(jù)統(tǒng)計(jì)量及其分布檢驗(yàn)61
第3章　回歸分析63
　3.1　一元回歸模型63
　　3.1.1　一元線(xiàn)性回歸模型63
　　3.1.2　一元多項(xiàng)式回歸模型67
　　3.1.3　一元非線(xiàn)性回歸模型69
　　3.1.4　一元回歸建模實(shí)例76
　3.2　多元線(xiàn)性回歸模型79
　　3.2.1　多元線(xiàn)性回歸模型及其表示79
　　3.2.2　MATLAB的回歸分析命令82
　　3.2.3　多元線(xiàn)性回歸實(shí)例89
　3.3　逐步回歸92
　　3.3.1　最優(yōu)回歸方程的選擇92
　　3.3.2　引入變量和剔除變量的依據(jù)93
　　3.3.3　逐步回歸的MATLAB實(shí)現(xiàn)94
　3.4　回歸診斷96
　　3.4.1　異常點(diǎn)與強(qiáng)影響點(diǎn)診斷96
　　3.4.2　殘差分析100
　　3.4.3　多重共線(xiàn)性診斷102
　習(xí)題3106
　實(shí)驗(yàn)2　多元線(xiàn)性回歸與逐步回歸110
第4章　判別分析111
　4.1　距離判別分析111
　　4.1.1　判別分析的概念111
　　4.1.2　距離的定義111
　　4.1.3　兩個(gè)總體的距離判別分析114
　　4.1.4　多個(gè)總體的距離判別分析119
　4.2　判別準(zhǔn)則的評(píng)價(jià)121
　4.3　貝葉斯判別分析124
　　4.3.1　兩個(gè)總體的貝葉斯判別124
　　4.3.2　多個(gè)總體的貝葉斯判別128
　　4.3.3　平均誤判率130
　4.4　K近鄰判別與支持向量機(jī)135
　習(xí)題4141
　實(shí)驗(yàn)3　距離判別與貝葉斯判別分析145
第5章　主成分分析與典型相關(guān)分析147
　5.1　主成分分析147
　　5.1.1　主成分分析的基本原理147
　　5.1.2　樣本主成分分析154
　5.2　主成分分析的應(yīng)用158
　　5.2.1　主成分分析用于綜合評(píng)價(jià)158
　　5.2.2　主成分分析用于分類(lèi)161
　　5.2.3　主成分分析用于信號(hào)分離163
　5.3　典型相關(guān)分析166
　　5.3.1　典型相關(guān)分析的基本原理166
　　5.3.2　樣本的典型變量與典型相關(guān)系數(shù)169
　　5.3.3　典型相關(guān)系數(shù)的顯著性檢驗(yàn)170
　　5.3.4　典型相關(guān)分析實(shí)例172
　5.4　趨勢(shì)性與屬性相關(guān)分析應(yīng)用實(shí)例177
　　5.4.1　Cox-Stuart趨勢(shì)檢驗(yàn)177
　　5.4.2　屬性數(shù)據(jù)分析178
　習(xí)題5180
　實(shí)驗(yàn)4　主成分分析與典型相關(guān)分析184
第6章　聚類(lèi)分析187
　6.1　距離聚類(lèi)187
　　6.1.1　聚類(lèi)的思想187
　　6.1.2　樣品間的距離188
　　6.1.3　變量間的相似系數(shù)190
　　6.1.4　類(lèi)間距離與遞推公式192
　6.2　譜系聚類(lèi)193
　　6.2.1　譜系聚類(lèi)的思想193
　　6.2.2　譜系聚類(lèi)的步驟194
　　6.2.3　譜系聚類(lèi)的MATLAB實(shí)現(xiàn)196
　6.3　K均值聚類(lèi)200
　　6.3.1　K均值聚類(lèi)的思想200
　　6.3.2　K均值聚類(lèi)的步驟200
　　6.3.3　K均值聚類(lèi)的MATLAB實(shí)現(xiàn)201
　6.4　模糊均值聚類(lèi)203
　　6.4.1　模糊C均值聚類(lèi)203
　　6.4.2　模糊減法聚類(lèi)205
　6.5　聚類(lèi)的有效性207
　　6.5.1　譜系聚類(lèi)的有效性207
　　6.5.2　K均值聚類(lèi)的有效性209
　　6.5.3　模糊聚類(lèi)的有效性211
　習(xí)題6212
　實(shí)驗(yàn)5　聚類(lèi)方法與聚類(lèi)有效性215
第7章　數(shù)值模擬分析217
　7.1　蒙特卡羅方法與應(yīng)用217
　　7.1.1　蒙特卡羅方法的基本思想217
　　7.1.2　隨機(jī)數(shù)的產(chǎn)生與MATLAB的偽隨機(jī)數(shù)218
　　7.1.3　蒙特卡羅方法應(yīng)用實(shí)例219
　7.2　BP神經(jīng)網(wǎng)絡(luò)及應(yīng)用227
　　7.2.1　人工神經(jīng)元及人工神經(jīng)元網(wǎng)絡(luò)227
　　7.2.2　BP神經(jīng)網(wǎng)絡(luò)228
　　7.2.3　MATLAB神經(jīng)網(wǎng)絡(luò)工具箱230
　　7.2.4　BP神經(jīng)網(wǎng)絡(luò)應(yīng)用實(shí)例232
　習(xí)題7239
　實(shí)驗(yàn)6　數(shù)值模擬240
參考文獻(xiàn)241