MATLAB 数据分析与多项式计算

Matlab中的数据分析与多项式计算

更新时间:2019·04·01
更新内容:

数据统计分析

函数函数使用描述备注
Max[y,k]=Max(a)/Max(A)取向量a或矩阵A的最大元素y为序号k对应的值如果元素为复数则按模取最大值
Min[y,k]=Min(a)/Max(A)取向量a或矩阵A的最小元素y为序号k对应的值
meanmean(A)矩阵的平均值
medianmedian(A)矩阵的中值数据个数为偶数时,等于中间两元数的平均值;为奇数时,为中间元素值
sumsum(a)向量元素的和
prodprod(a)向量元素的积
cusumcusum()累加和函数
cumprodcumprod()累乘积函数
stdstd(X)向量X的标准差
std(A)矩阵各列的标准差
std(A,flag,dim)flag定义标准差的计算公式默认flag=0,dim=1
corrcoefcorrcoef(A)返回矩阵A的相关系数矩阵
corrcoef(X,Y)返回向量X与向量Y的相关系数与corrcoef([X,Y])一样
sortsort(X)向量X按升序排列
[Y,I]=sort(A,dim,mode)矩阵向量排序mode指定升序或降序,dim指定按行或按列

示例

%生成10x5的随机矩阵服从正态度分布

>> A = randn(10,5)
A =
   -0.3031    0.9492   -0.8757    1.2347   -0.9480
    0.0230    0.3071   -0.4838   -0.2296   -0.7411
    0.0513    0.1352   -0.7120   -1.5062   -0.5078
    0.8261    0.5152   -1.1742   -0.4446   -0.3206
    1.5270    0.2614   -0.1922   -0.1559    0.0125
    0.4669   -0.9415   -0.2741    0.2761   -3.0292
   -0.2097   -0.1623    1.5301   -0.2612   -0.4570
    0.6252   -0.1461   -0.2490    0.4434    1.2424
    0.1832   -0.5320   -1.0642    0.3919   -1.0667
   -1.0298    1.6821    1.6035   -1.2507    0.9337

%各列元素的均值

>> mean_A = mean(A)  
mean_A =
    0.2160    0.2068   -0.1892   -0.1502   -0.4882

%矩阵A的最大元素

>> Max_A = max(max(A))  
Max_A =
    1.6821

%矩阵A的最小元素

>> Min_A = min(min(A)) 
Min_A =
   -3.0292

%矩阵A的行元素和

>> sum_A_2 = sum(A') 
sum_A_2 =
    0.0571   -1.1244   -2.5395   -0.5981    1.4527   -3.5018    0.4398    1.9160   -2.0878    1.9388

%矩阵A的所有元素之和

>> sum_A = sum(A(:)) %矩阵A的所有元素之和
sum_A =
   -4.0472

%矩阵按列升序排列

>> sort_A = sort(A) 
sort_A =
   -1.0298   -0.9415   -1.1742   -1.5062   -3.0292
   -0.3031   -0.5320   -1.0642   -1.2507   -1.0667
   -0.2097   -0.1623   -0.8757   -0.4446   -0.9480
    0.0230   -0.1461   -0.7120   -0.2612   -0.7411
    0.0513    0.1352   -0.4838   -0.2296   -0.5078
    0.1832    0.2614   -0.2741   -0.1559   -0.4570
    0.4669    0.3071   -0.2490    0.2761   -0.3206
    0.6252    0.5152   -0.1922    0.3919    0.0125
    0.8261    0.9492    1.5301    0.4434    0.9337
    1.5270    1.6821    1.6035    1.2347    1.2424

%矩阵按行降序排列

>> sort_A_2 = sort(A,2,'descend') 
sort_A_2 =
    1.2347    0.9492   -0.3031   -0.8757   -0.9480
    0.3071    0.0230   -0.2296   -0.4838   -0.7411
    0.1352    0.0513   -0.5078   -0.7120   -1.5062
    0.8261    0.5152   -0.3206   -0.4446   -1.1742
    1.5270    0.2614    0.0125   -0.1559   -0.1922
    0.4669    0.2761   -0.2741   -0.9415   -3.0292
    1.5301   -0.1623   -0.2097   -0.2612   -0.4570
    1.2424    0.6252    0.4434   -0.1461   -0.2490
    0.3919    0.1832   -0.5320   -1.0642   -1.0667
    1.6821    1.6035    0.9337   -1.0298   -1.2507

多项式计算

函数函数使用描述备注
convconv(P1,P2)多项式相乘
deconv[Q,r]=deconv(P1,P2)多项式相除,Q为商式,r为余式P1=conv(Q,P2)+r
polyderp=polyder(P1)多项式P1的导函数
p=polyder(P,Q)求P x Q的导函数
[p,q]=polyder(P,Q)P/Q的导函数,分子存入p,分母存入q
polyvalpolyval(p,x)代数多项式求值,p为系数向量,x可以为标量,向量,矩阵元素在多项式的取值
polyvalmpolyvalm(p,x)矩阵多项式求值如上,但要求x为方阵
rootsroots(P1)多项式P1求根

示例

% 生成多项式

>> f=[3,-5,0,-7,5,6]; 
>>g=[3,5,-3]; 
>>g1=[0,0,0,g];

% 多项式求和

>> f+g1
ans =
     3    -5     0    -4    10     3

% 多项式求差

>> f-g1
ans =
     3    -5     0   -10     0     9

% 多项式求积

>> conv(f,g)
ans =
     9     0   -34    -6   -20    64    15   -18

% 多项式求商和余式

>> [Q,r]=deconv(f,g)
Q =
   1.0000   -3.3333    6.5556  -16.5926
r =
        0         0         0         0  107.6296  -43.7778

% 反过来验证

>> conv(g,Q)+r
ans =
    3.0000   -5.0000         0   -7.0000    5.0000    6.0000

数值插入

函数函数使用描述备注
interp1interp1(X,Y,X1,method)一维插值函数method为插入方式,如linear线性插入

曲线拟合

函数函数使用描述备注
polyfitP=polyfit(X,Y,m)最小二乘拟合多项式系数m表示多项式次数
[P,S]=polyfit(X,Y,m)最小二乘拟合多项式系数S表示采样点误差
[P,S,mu]=polyfit(X,Y,m)最小二乘拟合多项式系数mu(1)指定mean(X),mu(2)指定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