详解matlab在统计与工程数据分析中的应用,(特价书)详解MATLAB在统计与工程数据分析中的应用...

第1章MATLAB的概述(1)

1.1MATLAB的简单介绍(1)

1.1.1MATLAB的发展史(1)

1.1.2MATLAB的特点(2)

1.1.3MATLAB R2009a新性能(3)

1.2MATLAB操作界面(4)

1.2.1MATLAB命令窗口(4)

1.2.2MATLAB命令历史窗口(5)

1.2.3MATLAB工作内存浏览器窗口(5)

1.2.4MATLAB路径管理器窗口(6)

1.2.5MATLAB工具栏(6)

1.2.6MATLAB主菜单(7)

1.3MATLAB常用的函数(9)

1.3.1环境命令(9)

1.3.2数组的函数(9)

1.3.3特殊变量和常数(11)

1.4一般矩阵表示法(12)

1.4.1数组与矩阵的概念(12)

1.4.2矩阵的建立(13)

1.4.3矩阵的拆分法(14)

1.5特殊矩阵表示法(17)

1.6矩阵的运算(19)

1.6.1矩阵的代数运算(19)

1.6.2矩阵关系运算(25)

1.6.3矩阵的逻辑运算(27)

1.7MATLAB帮助系统(28)

1.7.1联机帮助系统(28)

1.7.2命令窗口查询帮助系统(30)

第2章MATLAB的程序设计及数值计算(33)

2.1MATLAB程序结构(33)

2.1.1顺序结构(33)

2.1.2分支结构(34)

2.1.3循环结构(37)

2.2M文件(40)

2.2.1M文件类型(40)

2.2.2M文件的结构(41)

2.2.3M文件的创建(42)

2.3MATLAB函数的调用与参数传递(42)

2.3.1函数的调用(42)

2.3.2参数传递(44)

2.4MATLAB的编程技巧(47)

2.4.1线性索引技巧(47)

2.4.2嵌套计算技巧(47)

2.4.3循环计算技巧(49)

2.4.4利用“:”和end技巧(49)

2.4.5使用全局变量技巧(50)

2.4.6使用例外处理机制技巧(51)

2.4.7倒序法技巧(52)

2.4.8向量法处理技巧(53)

2.5插值和拟合(53)

2.5.1一维插值(54)

2.5.2二维插值(56)

2.5.3高维插值(59)

2.5.4最小二乘拟合(61)

2.5.5多项式拟合(65)

2.5.6非线性拟合(68)

第3章MATLAB的符号计算(70)

3.1符号计算的基础(70)

3.1.1符号计算的基本概念(70)

3.1.2符号表达式的创建(72)

3.2符号矩阵的生成(73)

3.2.1使用sym函数创建符号矩阵(73)

3.2.2将数值矩阵转化为符号矩阵(73)

3.2.3用创建子阵的方法创建符号矩阵(73)

3.3符号的基本运算(74)

3.3.1符号的代数运算(74)

3.3.2提取符号表达式分子与分母(76)

3.4矩阵的分解与化简(77)

3.4.1矩阵的特征值分解(77)

3.4.2矩阵的奇异值分解(77)

3.4.3矩阵的零列空间(78)

3.4.4因式分解(79)

3.4.5同类项合并(79)

3.4.6分式通分(79)

3.5符号微积分(80)

3.5.1符号极限(80)

3.5.2符号级数(80)

3.5.3符号微分(81)

3.5.4符号积分(82)

3.5.5符号积分变换(83)

3.6符号函数(87)

3.6.1复合函数的运算(87)

3.6.2反函数的运算(88)

3.6.3符号函数的可视化(89)

3.7符号方程的求解(93)

3.7.1代数方程的求解(93)

3.7.2微分方程的求解(96)

第4章数据分析与概率分布(98)

4.1随机数的产生(98)

4.1.1一般随机数生成(98)

4.1.2其他分布的随机函数(99)

4.1.3随机排序函数类型(112)

4.1.4概率密度函数(113)

4.1.5累积概率值(123)

4.1.6逆累积分布函数(131)

4.2随机数的使用(138)

4.2.1Galton板实验(138)

4.2.2输赢问题(140)

4.3统计量的数字特征(141)

4.3.1数学期望与均值(141)

4.3.2数据比较(143)

4.3.3方差和标准差(143)

4.3.4累积和累和(146)

4.3.5协方差与相关系数(147)

4.3.6偏斜度和峰度(148)

4.4数据的属性与处理方法(149)

4.4.1评价指标矩阵与指标的无量纲化(149)

4.4.2客观性权向量建立的方法(151)

4.4.3综合评价的步骤(152)

4.4.4数据的属性与处理方法示例(152)

第5章统计分析图(158)

5.1统计图(158)

5.1.1样本图(158)

5.1.2误差图(159)

5.1.3交互图(160)

5.1.4概率图(162)

5.1.5其他统计图(163)

5.2统计工序管理图(166)

5.2.1工序图(166)

5.2.2密度图(167)

5.2.3密度、平均、均值图(169)

5.3频率分布表与频率直方图(171)

5.4非线性回归模型(174)

5.4.1非线性拟合(174)

5.4.2置信区间(176)

5.5主成分分析(177)

5.5.1巴特力特检验(177)

5.5.2PCA(178)

5.6实验设计(181)

5.6.1优化设计(181)

5.6.2因子设计(183)

5.7文件输入/输出(184)

5.7.1文件输入(184)

5.7.2文件输出(185)

第6章方差分析(187)

6.1单因素方差分析(187)

6.1.1单因素方差分析问题(187)

6.1.2单因素方差分析前提条件(188)

6.1.3单因素方差分析的步骤(188)

6.1.4单因素方差分析的MATLAB实现(191)

6.2双因素方差分析(194)

6.2.1双因素等重复试验的方差分析(195)

6.2.2双因素无重复试验的方差分析(201)

6.3多因素方差分析(204)

6.4多元方差分析(207)

6.5进一步讨论方差分析(208)

6.5.1把方差表输出到Excel中(208)

6.5.2方差表在图形窗口中的显示(210)

第7章估计及假设检验(213)

7.1参数的点估计(213)

7.1.1矩估计法(213)

7.1.2极大似然估计法(214)

7.1.3估计量的评选标准(219)

7.2区间估计(221)

7.2.1区间估计的基本概念(221)

7.2.2高斯—牛顿法的非线性最小二乘数据拟合(223)

7.2.3非线性模型的参数置信区间(224)

7.2.4非线性最小二乘预测置信区间(226)

7.2.5非线性拟合预测的交互图形(226)

7.3假设检验(227)

7.3.1假设检验的概念及步骤(227)

7.3.2总体参数的假设检验(228)

7.4单正态假设检验(229)

7.4.1单正态U检验(229)

7.4.2单正态t检验(232)

7.5双正态假设检验(235)

7.6正态性检验(238)

7.7总体参数检验(243)

7.7.1非正态总体样本的参数检验(243)

7.7.2总体分布的x2拟合检验(244)

7.8其他检验(246)

7.8.1秩和检验(246)

7.8.2中值检验(247)

第8章回归分析(249)

8.1概述(249)

8.2一元线性回归分析(250)

8.2.1一元线性回归分析数学模型(250)

8.2.2参数的最小二乘估计(251)

8.2.3回归显著性检验(253)

8.2.4回归方程的预测(254)

8.2.5一元线性回归函数介绍(255)

8.2.6一元线性回归分析的编程实现(261)

8.3多元线性回归分析(266)

8.3.1多元线性回归模型及矩阵表示(267)

8.3.2多元线性回归的显著性检验(268)

8.3.3β的最小二乘估计(270)

8.3.4误差方差σ2的估计(270)

8.3.5多元线性回归的预测(271)

8.3.6多元线性回归的实现(272)

8.4偏最小二乘回归分析(277)

8.4.1偏最小二乘回归分析(277)

8.4.2偏最小二乘回归方法的算法步骤(278)

8.4.3偏最小二乘回归方法分析(280)

第9章数理统计的其他分析(285)

9.1聚类分析(285)

9.1.1MATLAB实现聚类分析(285)

9.1.2编程实现聚类分析(291)

9.2判别分析(294)

9.2.1MATLAB实现判别分析(294)

9.2.2编程实现判别分析(297)

9.3试验分析(300)

9.3.1试验相关概述(300)

9.3.2试验分析的实现(305)

9.4正交实验设计(308)

9.4.1极差分析(308)

9.4.2方差分析(311)

第10章工程数据分析中的应用(315)

10.1工程优化问题的概述(315)

10.2线性优化问题(316)

10.2.1线性优化问题的基本知识(316)

10.2.2线性规划的MATLAB实现(319)

10.3非线性优化问题(323)

10.3.1有约束优化问题(323)

10.3.2无约束优化问题(328)

10.4二次规划问题(333)

10.50-1整数规划问题(337)

10.5.10-1整数规划概述(337)

10.5.20-1整数规划的实现(338)

10.6最大最小化问题(339)

10.7多元多目标函数优化(341)

10.7.1“半无限”多元函数优化(341)

10.7.2多目标函数优化(343)

10.8动态规划(346)

10.8.1动态规划的概念(346)

10.8.2逆序算法及MATLAB的实现(348)

10.8.3动态规划的应用(352)

参考文献(361)

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
C语言是一种广泛使用的编程语言,它具有高效、灵活、可移植性强等特点,被广泛应用于操作系统、嵌入式系统、数据库、编译器等领域的开发。C语言的基本语法包括变量、数据类型、运算符、控制结构(如if语句、循环语句等)、函数、指针等。在编写C程序时,需要注意变量的声明和定义、指针的使用、内存的分配与释放等问题。C语言常用的数据结构包括: 1. 数组:一种存储同类型数据的结构,可以进行索引访问和修改。 2. 链表:一种存储不同类型数据的结构,每个节点包含数据和指向下一个节点的指针。 3. 栈:一种后进先出(LIFO)的数据结构,可以通过压入(push)和弹出(pop)操作进行数据的存储和取出。 4. 队列:一种先进先出(FIFO)的数据结构,可以通过入队(enqueue)和出队(dequeue)操作进行数据的存储和取出。 5. 树:一种存储具有父子关系的数据结构,可以通过序遍历、前序遍历和后序遍历等方式进行数据的访问和修改。 6. 图:一种存储具有节点和边关系的数据结构,可以通过广度优先搜索、深度优先搜索等方式进行数据的访问和修改。 这些数据结构在C语言都有相应的实现方式,可以应用于各种不同的场景。C语言的各种数据结构都有其优缺点,下面列举一些常见的数据结构的优缺点: 数组: 优点:访问和修改元素的速度非常快,适用于需要频繁读取和修改数据的场合。 缺点:数组的长度是固定的,不适合存储大小不固定的动态数据,另外数组在内存是连续分配的,当数组较大时可能会导致内存碎片化。 链表: 优点:可以方便地插入和删除元素,适用于需要频繁插入和删除数据的场合。 缺点:访问和修改元素的速度相对较慢,因为需要遍历链表找到指定的节点。 栈: 优点:后进先出(LIFO)的特性使得栈在处理递归和括号匹配等问题时非常方便。 缺点:栈的空间有限,当数据量较大时可能会导致栈溢出。 队列: 优点:先进先出(FIFO)的特性使得

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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