matlab 概率与数理统计,MATLAB R2015b概率与数理统计

目录

第1章MATLAB R2015b概述

1.1MATLAB的功能及发展史

1.1.1MATLAB的功能

1.1.2MATLAB的优点

1.1.3MATLAB的发展史

1.1.4MATLAB R2015b新功能

1.2MATLAB R2015b开发环境

1.2.1MATLAB R2015b的安装

1.2.2MATLAB的集成环境

1.3MATLAB的语言基础

1.3.1MATLAB的数值

1.3.2MATLAB的变量

1.3.3MATLAB数组

1.3.4基本数值类型

1.3.5字符类型

1.3.6函数句柄

1.3.7结构体和元胞数组

1.3.8运算符

1.4MATLAB流程控制

1.4.1选择结构

1.4.2循环结构

1.5M文件

1.5.1M脚本文件

1.5.2M函数文件

1.5.3M文件技巧

第2章概率与数理统计概述

2.1概率论基础

2.1.1随机事件与概率

2.1.2概率论的产生

2.1.3概率论的发展

2.1.4概率论的内容

2.1.5数理统计的内容

2.1.6事件的独立性

2.2随机变量

2.2.1连续型随机变量

2.2.2离散型随机变量

2.2.3随机变量的分布函数

2.3随机分布

2.3.1正态分布

2.3.2标准正态分布

2.3.3Γ分布

2.3.4χ２分布

2.3.5T分布

2.3.6Rayleigh分布

2.3.7F分布

2.3.8泊松分布

2.3.9指数分布

2.3.10均匀分布

2.3.11二项分布

2.4多维随机变量及分布

2.4.1分布律

2.4.2相互独立性

2.4.3数字特征

2.5大数定律

2.6中心极限定理

2.7偏斜度与峰值

2.7.1偏斜度

2.7.2峰值

第3章统计估计

3.1点估计

3.1.1矩估计

3.1.2极大似然估计

3.1.3顺序统计量

3.1.4最小二乘法

3.1.5点估计的优良性准则

3.2区间估计

3.2.1区间估计简介

3.2.2区间估计的含义

3.2.3区间估计的基本思想

3.2.4区间估计的方法

3.2.5区间估计函数

3.3参数估计实例

3.4核密度估计

3.4.1核密度估计的概述

3.4.2核密度估计的形式

3.4.3带宽的选取

3.4.4核密度估计的MATLAB实现

3.5统计作图

3.5.1直方图

3.5.2频数表

3.5.3箱形图

3.5.4经验累加分布图

3.5.5误差条图

3.5.6交互等值线图

3.5.7散点图

3.5.8最小二乘拟合线

3.5.9正态概率图

3.5.10QQ图

3.5.11帕累托图

3.5.12频率直方图

第4章假设检验

4.1假设检验的简介

4.1.1基本思想

4.1.2基本方法

4.1.3基本步骤

4.1.4假设检验的p值

4.1.5假设检验与区间估计的关系

4.2正态总体参数的假设检验

4.2.1正态变量均值与方差的假设检验

4.2.2两个正态变量的均值与方差的比较

4.2.3非正态变量分布参数的检验

4.2.4变量分布形态检验

4.3其他检验

4.3.1秩和检验

4.3.2Wilcoxon符号检验

第5章方差分析

5.1概述

5.1.1基本原理

5.1.2必要性

5.1.3基本思想

5.1.4基本应用

5.1.5实例分析

5.2单因素方差分析

5.2.1统计模型

5.2.2分解偏差平方和

5.2.3假设检验

5.2.4多重比较

5.2.5效应与误差估计

5.2.6方差齐性检验

5.2.7单因子方差的MATLAB实现

5.3双因子方差分析

5.3.1无交互作用的双因素方差分析

5.3.2有交互作用的双因素方差分析

5.4多因素方差分析

第6章回归分析

6.1一元线性回归分析

6.1.1最小二乘估计

6.1.2检验回归系数

6.1.3误差估计

6.1.4回归式的注意事项

6.1.5一元线性回归的MATLAB实现

6.2多元线性回归分析

6.2.1回归模型及矩阵表示

6.2.2显著性检验

6.2.3β的最小二乘估计

6.2.4误差方差σ2的估计

6.2.5回归的预测

6.2.6多元回归的MATLAB实现

6.3非线性回归分析

6.3.1一元非线性回归分析

6.3.2多元非线性回归分析

6.3.3非线性回归分析的MATLAB实现

6.4逐步回归分析

6.4.1主要思想

6.4.2实现步骤

6.4.3逐步回归分析的MATLAB实现

6.5稳健回归分析

6.6广义回归分析

6.6.1三项构成要素

6.6.2广义线性模型与连续变量模型的关系

6.6.3广义线性模型的优点

6.6.4广义线性回归MATLAB实现

6.7岭回归

6.7.1基本原理

6.7.2岭回归缺点

6.7.3岭回归的MATLAB实现

第7章正交实验

7.1基本思想

7.2正交表

7.2.1“完全对”与“均衡搭配”

7.2.2正交表的定义与格式

7.2.3正交表的分类及特点

7.2.4正交表的性质

7.3无交互作用的正交实验

7.3.1实验方案设计

7.3.2极差分析

7.3.3方差分析

7.4交互作用正交实验

7.4.1交互作用的处理原则

7.4.2交互作用试验的MATLAB实现

第8章主成分分析

8.1主成分分析的概述

8.1.1主成分的特点

8.1.2基本原理

8.1.3样本主成分

8.2主成分分析的具体步骤

8.3主成分分析的计算步骤

8.4主成分分析的MATLAB实现

8.5主成分的综合应用

第9章因子分析

9.1因子分析的概述

9.1.1方法功用

9.1.2应用范围

9.1.3使用方法

9.1.4因子分析的优点

9.1.5因子分析的数学模型

9.2R型因子

9.2.1R型因子的几何说明

9.2.2R型因子的理论模式

9.2.3实测样本分析R型因子

9.3Q型因子分析

9.4目标因子分析

9.5因子分析的MATLAB实现

第10章判别分析

10.1判别分析概述

10.1.1判别分析的方法

10.1.2判别分析的应用

10.1.3判别分析的意义

10.2距离判别分析

10.3Fisher判别法

10.4Bayes判别法

10.4.1贝叶斯的发展史

10.4.2贝叶斯定理和贝叶斯公式

10.4.3贝叶斯判别方法

10.4.4贝叶斯分类模型

10.5逐步判别法

第11章聚类分析

11.1聚类分析概述

11.1.1聚类与分类的区别

11.1.2聚类分析的应用

11.2距离与相似系数

11.3一次形成法和逐步聚类法

11.3.1一次形成法

11.3.2逐步聚类法

11.4系统聚类法

11.5K均值聚类法

11.5.1KMeans算法的原理

11.5.2KMeans算法的步骤

11.5.3KMeans算法的特点

11.5.4KMeans聚类的MATLAB实现

11.6模糊C均值聚类

11.7减法聚类

11.8聚类分析的MATLAB实现

11.9聚类分析的应用

参考文献