从零开始学MATLAB(五) 数据分析与多项值计算

从零开始学MATLAB(五)

数据分析与多项值计算

1.数据统计分析

(1)求矩阵的最大元素和最小元素:
max() min()
当参数为向量时,函数有两种调用格式:
①y=max(X):返回向量X的最大值存入y,如果X中包含复数元素,则按模取最大值。
②[y,k]=max(X):返回向量X的最大值存入y,最大值元素的序号存入k,如果X中包含复数元素,则按模取最大值。
当参数为矩阵时,函数有三种调用格式:
①max(A):返回一个行向量,向量的第i个元素是矩阵A的第i列上的最大值。
②[Y,U]=max(A):返回行向量Y和U,Y向量记录A的每列的最大值,U向量记录每列最大值元素的行号。
③max(A,[],dim):dim取1或2。dim取1时,该函数的功能和max(A)完全相同;dim取2时,该函数返回一个列向量,其第i个元素是A矩阵的第i行上的最大值。
(2)求矩阵的平均值(算术平均值)和中值
求算术平均值:mean() 求中值:median()
(3)求和与求积
求和函数:sum() 求积函数:prod()
累加和与累乘积:累加和函数:cumsum() 累乘积函数:cumprod()
(4)标准差与相关系数
①计算标准差函数:std()
调用格式: std(X):计算向量X的标准差
std(A):计算矩阵A的各列的标准差
std(A,flag,dim):flag取0或1,取0时计算样本标准差,取1时计算总体标准差。dim取1表示按列计算,取2表示按行计算。默认情况下flag=0,dim=1。
②相关系数函数:corrcoef():相关系数函数。
调用格式:
corrcoef(A):返回由矩阵A所形成的一个相关系数矩阵,其中,第i行第j列的元素表示原矩阵A中第i列和第j列的相关系数。
corrcoef(X,Y):在这里,X、Y是向量,他们与corrcoef([X,Y])的作用一样,用于求X、Y向量之间的相关系数。
(5)排序
排序函数:sort()
调用格式:sort(X):对向量X按升序排列
[Y,I]=sort(A,dim,mode)
其中,dim指明对A的列还是行进行排序。mode指明按升序(“ascend”)还是降序(“descend”),默认为升序。输出参数中,Y是排列后的矩阵,而I记录Y中的元素在A中的位置。

2.多项式计算

(1)多项式的表示
n次多项式用一个长度为n+1的行向量表示。[an,an-1,…,a1,a0]。
注:多项式系数向量的顺序是从高到低,且包含0次项系数,如果有的项没有,则相应位置用0补足。
(2)多项式的四则运算
①加减:相应向量加减
②乘法:conv(P1,P2),P1、P2是两个多项式系数向量。
③除法:[Q,r]=deconv(P1,P2),其中Q为商式,r为余式,两者仍为向量。(deconv()是conv()的逆函数)
(3)多项式的求导:ployder()
①p=polyder§:求多项式P的导函数
②p=polyder(P,Q):求P×Q的导函数
③[p,q]=polyder(P,Q):求P/Q的导函数,导函数的分子存入p,分母存入q
(4)多项式的求值
①代数多项式求值:polyval(p,x),p为多项式系数向量,X若为标量,则求多项式在该点的值,X若为向量或矩阵,则对向量或矩阵中的每个元素求多项式的值。
②矩阵多项式求值:polyvalm(p,x)
要求x为方阵,以方阵为自变量求多项式的值
(5)多项式求根:roots(p)
若已知多项式的全部根,则可以用poly函数建立起该多项式,调用格式为poly(x)

3.数据插值

根据有限个点的取值情况,合理估算出附近其他点的取值。
计算机制:从数学上来说,数据插值是一种函数逼近的方法
①一维插值函数:interp1()
调用格式:Y1=interp1(X,Y,X1,method),其中X、Y是两个等长的已知向量,分别表示采样点和采样值。X1是一个向量或标量,表示要插值的点。
method用于指定插值方法,主要分为以下四种:
linear:线性插值,默认方法。将与插值点靠近的两个数据点用直线连接,然后在直线上选取对应插值点的数据。
nearest:最近点插值。选择最近样本点的值作为插值数据。(若为中点则取后者)
pchip:分段3次埃尔米特插值。采用分段三次多项式,除满足插值条件,还需满足在若干节点处相邻段插值函数的一阶导数相等,使得曲线光滑的同时,还具有保形性。
spline:3次样条插值。每个分段内构造一个三次多项式,使其插值函数除满足插值条件外,还要求在各节点处具有连续的一阶和二阶导数。
(多项式次数并非越高越好。次数越高,越容易产生振荡而偏离原函数,这种现象称为龙格(Runge)现象。)
比较:前两者比较简单,其中线性插值计算量与样本点n无关,n越大,误差越小。后两者都能保证曲线的光滑性,形态更好。
②二维插值函数:interp2()
调用格式:Z1=interp2(X,Y,Z,X1,Y1,method)
其中,X、Y是两个向量,表示两个参数的采样点,Z是采样点对应的函数值。X1、Y1是两个标量或向量,表示要插值的点。

4.曲线拟合

(1)曲线拟合的原理:与数据插值类似,曲线拟合也是一种函数逼近的方法。构造g(x)去逼近未知函数f(x),使得误差在某种意义下达到最小。最小二乘法是一种数学优化技术,它通过最小化误差的平方和来寻找数据的最佳函数匹配。
(2)实现方法:polyfit()
函数功能:求得最小二乘拟合多项式系数。
调用格式:
①P=polyfit(X,Y,m)
②[P,S]=polyfit(X,Y,m)
③[P,S,mu]=polyfit(X,Y,m)
根据样本数据X和Y,产生一个m次多项式P及其在采样点误差数据S,mu是一个二元向量,mu(1)是mean(X),而mu(2)是std(X).

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值