转载-matlab的基本统计量

转载自 https://blog.csdn.net/weixin_47005624/article/details/105467005?biz_id=102&utm_term=%E5%81%8F%E5%BA%A6%20%E5%B3%B0%E5%BA%A6%20matlab&utm_medium=distribute.pc_search_result.none-task-blog-2_allsobaiduweb~default-0-105467005&spm=1018.2118.3001.4449
感谢博主 ：热豆浆不加糖
下面是原博客

MATLAB 2.1.1 一维样本数据的基本统计量

描述数据的基本特征主要为集中位置和分散程度

1.均值、中位数、分位数与三均值

以下的X均表示为样本数据

均值：描述了数据取值的集中趋势，易受异常值的影响而不稳健。

m=mean(X);

中位数：描述数据的中心位置的数字特征，比中位数大或小的数据个数大约为样本容量的一半。受异常值的影响小，具有较好的稳健性。

MD=median(X);

分位数：p=0.5时，表示数据的0.5分位数，即等于中位数。
0.75分位数与0.25分位数比较常用。分别称为上、下四分位数。

Mp=prctile(X,P);

P为介于0~100之间的整数，P=100*p，输出Mp为P%分位数

三均值：为了兼顾均值和中位数的优势，提出三均值概念。是上四分位数、中位数与下四分位数的加权平均。

w=[0.25,0.5,0.25];
SM=w*prctile(X,[25;50;75]);

2.方差、变异系数与高阶矩

以下的X均表示为样本数据

方差：描述数据取值分散性的一种度量。

S=var(X,flag);

flag为可选项，默认取0。若flag取1，表示未修正样本方差。

标准差：方差的算术平方根

d=std(X,flag);

flag为可选项，默认取0。若flag取1，表示未修正样本标准差。

变异系数：描述数据相对分散性的统计量，是一个无量纲的量，一般用百分数表述。

v=std(X)./abs(mean(x));

高阶矩：编程计算k阶原点矩与中心距为

ak=mean(X.^k); %k阶原点矩
bk=mean((X-mean(X)).^k); %k阶中心距

MATLAB提供中心距命令moment,调用格式为：

bk=moment(X,k);

3.样本的极差与四分位极差

以下的X均表示为样本数据

极差：较简单的表示数据分散性的数字特征

R=range(X);

四分位极差：度量数据分散性的一个重要数字特征

R1=iqr(X);

4.偏度与峰度

以下的X均表示为样本数据

偏度：用于衡量分布的非对称程度或偏斜程度的数字特征。

sk=skewness(X,flg);

flg系统默认为1.flg=0是修正的偏度；flg=1是按（2.1.14b)计算偏度。
sk>0时，数据分布右偏，右边的数据更散； sk<0时，数据分布左偏，左边的数据更散；sk接近于0时，称分布无偏倚即认为分布是对称的。
正态分布的样本数据的偏度接近于0，当样本数据的偏度与零相差较大，则可初步拒绝样本数据来自于正态分布总体。

峰度：用来衡量数据尾部分散性的指标。当数据的总体分布是正态分布时，峰度近似为0。

ku=kurtosis(X,flg)-3;

flg系统默认为1.flg=0是修正的峰度；flg=1是按（2.1.15b)计算峰度。
另外：熵的计算也加上
信息熵”解决信息的量化度量问题。信息熵这个词是C.E.Shannon（香农）从热力学中借用过来的。热力学中的热熵是表示分子状态混乱程度的物理量。香农用信息熵的概念来描述信源的不确定度

en=entropy(X);