使用MATLAB进行数据描述性统计的完整指南

使用MATLAB进行数据描述性统计的完整指南

描述性统计是数据分析的基础步骤，它帮助我们理解数据的分布特征、集中趋势和离散程度。本文将介绍如何使用MATLAB进行全面的描述性统计分析。

1. 数据准备与导入

首先，我们需要将数据导入MATLAB工作环境：

lc
clear
% 设置随机种子
rng(42);  

% 生成100名学生的成绩（6科，均匀分布随机整数）
numStudents = 100;
scores = randi([0, 100], numStudents, 6);  % 100×6 矩阵

% 定义科目名称
subjects = {'Chinese', 'Math', 'English', 'Physics', 'Chemistry', 'Biology'};

% 创建Table
studentScores = array2table(scores, 'VariableNames', subjects);

% 添加学生ID（可选）
studentScores.ID = (1:numStudents)';
cols=studentScores.Properties.VariableNames;
newCols=[cols(end), cols(1:end-1)];    %标签调换位置
studentScores=studentScores(:,newCols);
disp(head(studentScores, 5));  % 显示前5名学生成绩

2. 基本描述性统计量

MATLAB提供了多种计算基本统计量的函数：（均为按照列操作）

%描述性统计
scores=table2array(studentScores);     %提取分数

min_val = min(scores(:,2:end));        %最小值
max_val = max(scores(:,2:end));        %最大值
mean_val = mean(scores(:,2:end));      %平均值
median_val = median(scores(:,2:end));  %中位数
std_dev = std(scores(:,2:end));        %标准差
variance = var(scores(:,2:end));       %方差
skewness_val = skewness(scores(:,2:end));  %偏度
kurtosis_val = kurtosis(scores(:,2:end));  %峰度

% 使用单个函数计算多个统计量
stats = [min_val; max_val; mean_val; median_val; std_dev; variance; skewness_val; kurtosis_val];
stat_names = {'Minimum', 'Maximum', 'Mean', 'Median', 'Std Dev', 'Variance', 'Skewness', 'Kurtosis'};

% 显示结果
stats_table=array2table(stats,'VariableNames', subjects);
stats_table.name=stat_names';
disp('基本描述性统计量:');
disp(stats_table);

结论

以上是简单的描述性统计操作方法，希望对大家有用