第3讲数据的统计描述和分析.ppt

数理统计的基本任务之一，就是根据样本的信息，对总体的某些属性或特征进行推断。参数估计和假设检验是其两个主要内容。 和点估计相比，区间估计的精确度大大降低了；区间估计的可靠性并非100％，而是只有1-α。 置信度1-α意味着：如果用同样的方法对参数θ连续估计很多次的话，由此得到的诸多置信区间中真正能够包含参数θ真值的比例大约为1-α，其中还有大约α比例的区间未能包含θ！ 抽样分布理论 参数估计 假设检验 Matlab统计工具箱 Matlab统计工具箱 数据的录入、保存和调用 3.4 Matlab 统计工具箱 【例1】上海市区社会商品零售总额和全民所有制职工工资总额的数据如下 1、年份数据以1为增量，用产生向量的方法输入。 命令格式： x=a:h:b 本例可按如下录入：t=78:87 【方法一】 即生产从 a 到b，以h 为增量的行向量， 当h 缺省时，认为增量为1，h也可为负。 【方法一】 2、分别以x和y代表职工工资总额和商品零售总额，以向量的形式输入如下： x=[23.8,27.6,31.6,32.4,33.7,34.9,43.2,52.8,63.8,73.4] y=[41.4,51.8,61.7,67.9,68.7,77.5,95.9,137.4,155.0,175.0] 3、将变量t,x,y的数据保存到文件data中，用如下命令： save data t x y 4、进行统计分析时，用以下命令调用数据文件data中的数据： load data 数据的录入、保存和调用 3.4 Matlab 统计工具箱 1、输入矩阵： data=[78,79,80,81,82,83,84,85,86,87,88; 23.8,27.6,31.6,32.4,33.7,34.9,43.2,52.8,63.8,73.4; 41.4,51.8,61.7,67.9,68.7,77.5,95.9,137.4,155.0,175.0] 【方法二】 2、将矩阵data的数据保存在文件data1中： save data1 data 3、进行统计分析时，先用命令： load data1 调用数据文件data1中的数据，再用以下命令分别将矩阵data的第一、二、三行的数据赋给变量t、x、y： t=data(1,:) x=data(2,:) y=data(3,:) 若要调用矩阵data的第j列的数据，可用命令： data(:,j) 数据的录入、保存和调用 3.4 Matlab 统计工具箱 基本统计量 对随机变量x，计算其基本统计量的命令如下： 均值：mean(x) 中位数：median(x) 标准差：std(x) 方差：var(x) 偏度：skewness(x) 峰度：kurtosis(x) 例 对例1中的职工工资总额x，可计算上述基本统计量。 3.4 Matlab 统计工具箱 常见概率分布的函数 Matlab统计工具箱中有20种概率分布，常见的有： 正态分布：norm 指数分布：exp 泊松分布：poiss 分布：chi2 t分布：t F分布：F Matlab工具箱对每一种分布都提供五类函数，其命令字符为： 概率密度：pdf 概率分布：cdf 逆概率分布：inv 均值与方差：stat 随机数生成：rnd （当需要一种分布的某一类函数时，将以上所列的分布命令字符与函数命令字符 接起来，并输入自变量（可以是标量、数组或矩阵）和参数即可.） 如对均值为mu、标准差为sigma的正态分布，举例如下： 3.4 Matlab 统计工具箱 例2 画出正态分布N(0,1)和N(0,22)的概率密度函数图形. 在Matlab中输入以下命令： X=-6:0.01:6; y=normpdf(x); z=normpdf(x,0,2); plot(x,y,x,z) 2、概率分布：P=normcdf(x,mu,sigma) 1、密度函数：p=normpdf(x,mu,sigma) (当mu=0,sigma=1时可缺省) 例3 计算标准正态分布的概率p{-1x1} 命令为：p=normcdf(1)-normcdf(-1) 结果为：p=0.6827 常见概率分布的函数 3.4 Matlab