matlab函数

数据处理中的标准差标准化

matlab  std函数https://blog.csdn.net/Goldxwang/article/details/73201193

变量值与平均数的差除以标准差的值-----标准分数，也称为标准化值或z分数，也叫标准差标准化，经过处理的数据符合标准正态分布,公式 ,,

1标准分数给出了一组数据中个数值的相对位置。比如，如果某个数值的标准分数是-1.5，就知道该数值低于平均数1.5倍的标准差。在对多个具有不同量纲的变量进行处理时，常常需要对各变量进行标准化处理，，将数据编程平均数是0，标准差是1

 

2经验法则

当数据堆成分布时，经验法则;

约有68%的数据在平均数 +-1个标准差的范围中

.....95% ............ ...............+-2....................................

.....99% ............ ..................+-3.................................

 

3.切比雪夫不等式

经验法则适合对称分布的数据，如果数据不是堆成分布，就不适用。但适用切比雪夫不等式，切比雪夫不等式提供“下界”，“所占比例至少是多少”，至少有 1-1/k^2的数据落在.+-k个标准差内

4.matlab函数：std(A，flag)

这里flag代表的是用哪一个标准差函数，如果取0，则代表除以N-1，如果是1代表的是除以N，

 

y=randn(1,2500); 
y=y/std(y); 
y=y-mean(y); 
a=0.0128; 
b=sqrt(0.9596); 
y=a+b*y;

就得到了 N ( 0.0128, 0.9596 ) 的高斯分布序列

 

5.设某个随机变量x均值为mu，方差为var^2，若要产生同样分布的随机变量y，但使新的随
机变量参数改变，均值为mu_1，方差为var_1^2，可以用如下公式进行变换：
y=var_1/var*(x-mu)+mu_1，其中x为随机变量，其余为常数（原分布参数）。
具体到正态分布，若要产生均值为u，方差为o^2的M*N的随机数矩阵，可以用
y=o*randn(M,N)+u得到。
对于均匀分布，若要产生[a,b]区间的均匀分布的M*N的随机数矩阵，则可以用
y=rand(M,N)*(b-a)+a得到。

 

6.matlab  画图

f = get(gca,'color');%有横轴,但是横轴上没有刻度
axes('xcolor',f,'color',f,'xtick',[])

f = get(gcf,'color');%没有横轴
axes('xcolor',f,'color',f,'xtick',[])

7.

x=1:8;

subplot(2,2,1)
plot(x)
%tick style 0(auto)

subplot(2,2,2)
plot(x)
set(gca,'xtick',[1 3 6 8]);%style 1
set(gca,'ytick',[]);%style 2

subplot(2,2,3)
plot(x)
set(gca,'xtick',[1 3 6 8]);
set(gca,'xticklabel',sprintf('.4f|',get(gca,'xtick')));%style 3
set(gca,'ytick',[2 4 5 7]);
set(gca,'yticklabel',{'Two','Four','Five','Seven'});%style 4

subplot(2,2,4)
plot(x)
set(gca,'xminortick','on');%style 5
set(gca,'ticklength',[0.05 0.025]);%style 6
set(gca,'tickdir','out');%style 7