数据的统计描述与分析

说明

本部分内容大部分都比较简单，在此主要是联系一下可视化的操作

直方图

本次采用的数据如下：
最后生成结果：

代码如下：

load data.txt;
high=data(:,1:2:9);high=high(:);
weight=data(:,2:2:10);weight=weight(:);
[n1,x1]=hist(high)
[n2,x2]=hist(weight)
subplot(1,2,1), hist(high)
subplot(1,2,2), hist(weight)

统计中常用概念

• 中位数：是将数据由小到大排序后位于中间位置的那个数值，Matlab 中mean(x)返回x 的均值，median(x)返回中位数。
• 标准差 s：是各个数据与均值偏离程度的度量，这种偏离不妨称为变异。
• 方差：是标准差的平方s2。
• 极差：最大值与最小值之差。
• Matlab 中std(x)返回x 的标准差，var(x)返回方差，range(x)返回极差。
• Matlab 中moment(x,order)返回x 的order 阶中心矩，order 为中心矩的阶数。
  skewness(x)返回x 的偏度，kurtosis(x)返回峰度。

统计中几个重要的概率分布

• 正态分布：神一样的分布，不解释。
• t 分布：误差求解中经常用，将其试验次数推向正无穷，就是正态分布
• F 分布：接触较少，后来再补充。

matlab做分布的可视化

参数估计

参数估计又是数学建模中的一大块，我们可以通过总体观察也好，理论分析也好，我们往往能够确定我们研究对象分布的形式，但我们并不能够确定参数，此一块，就是为了解决此种问题的。

点估计

点估计是用样本统计量确定总体参数的一个数值。评价估计优劣的标准有无偏性、最小方差性、有效性等，估计的方法有矩法、极大似然法等。
最常用的是对总体均值μ 和方差σ 2（或标准差σ ）作点估计。让我们暂时抛开评
价标准，当从一个样本按照式（1）、（2）算出样本均值x 和方差s2后，对μ 和σ 2（或σ ）一个自然、合理的点估计显然是（在字母上加^表示它的估计值）
μˆ = x ，σˆ 2 = s2， σˆ = s

区间估计

点估计虽然给出了待估参数的一个数值，却没有告诉我们这个估计值的精度和可信程度。一般地，总体的待估参数记作θ （如 2 ,σ μ ），由样本算出的θ 的估计量记作 θˆ ，人们常希望给出一个区间，使θ 以一定的概率落在此区间内。

参数估计的matlab实现

假设检验

统计推断的另一类重要问题是假设检验问题。在总体的分布函数完全未知或只知其形式但不知其参数的情况，为了推断总体的某些性质，提出某些关于总体的假设。例如，提出总体服从泊松分布的假设，又如对于正态总体提出数学期望等于
μ0 的假设等。假设检验就是根据样本对所提出的假设做出判断：是接受还是拒绝。这就是所谓的假设检验问题。

• 在Matlab 中t 检验法由函数ttest 来实现，命令为[h,p,ci]=ttest(x,mu,alpha,tail)
• 还可以用t 检验法检验具有相同方差的2 个正态总体均值差的假设。在Matlab 中
  由函数ttest2 实现，命令为：[h,p,ci]=ttest2(x,y,alpha,tail)与上面的ttest 相比，不同处只在于输入的是两个样本x,y（长度不一定相同），而不是一个样本和它的总体均值；tail 的用法与ttest 相似，可参看帮助系统。