3数据初步处理.pdfVIP

第 3 章 数据初步处理2 §3.1 数据的统计描述与分析2 3.1.1 描述统计2 3.1.2 参数估计12 3.1.3 假设检验14 §3.2 插值与拟合18 3.2.1 插值18 3.2.2 拟合22 §3.3 灰色预测及 Matlab 实现25 3.3.1 GM(1,1)模型25 3.3.2 GM(1,1)的Matlab 典型程序结构29 习题 331 第3章 数据初步处理 数据处理是数学建模的基础。在数学建模中，我们通常遇到的问题是对采集 数据进行处理、分类和显示，从而得到这些数据所反映的信息。从数学建模角度 看，将数据反映出来的信息转化为数学表达式是建模的基础，所以对数据处理就 是趋势分析和将数据转化为函数表达式。 本章主要给出数据的初步处理方法，包括描述统计、参数估计、假设检验、 插值、拟合及灰色预测。关于数据的进一步处理，我们会在第 8、9章中详细讲解。 §3.1 数据的统计描述与分析 统计学是以概率论为基础，从实际观测数据出发，研究如何合理地搜集资料 来对随机变量的分布函数、数字特征等进行估计、分析和推断。更具体地说：统 计学是研究从总体中随机抽出样本的某些性质，并对所研究的总体性质做出推测 性的判断。本节主要论述数据的初步统计描述和分析，并运用 Excel 和 SPSS 软件 进行实例分析。 3.1.1 描述统计 直观来说，所研究对象的全体称为总体，构成总体的每个元素称为个体。对 于实际问题，总体中的个体是一些实在的人或物，比如要研究某大学的学生身高 情况，则该大学的全体学生构成了问题的总体，而每个学生就是个体，切记该大 学全体学生包括已经毕业及将要录取的同学，一般可认为具有无限个。事实上， 每一个学生有许多特征：性别、年龄、身高、体重等等，而在该问题中，我们关 心的只是该校学生的身高如何，对其他的特征暂不考虑。这样每个学生（个体） 所具有的数量指标——身高就是个体，而所有身高全体看成总体。这样，抛开实 际背景，总体就是一堆数，这堆数中有大有小，有的出现机会大，有的出现机会 小，因此用一概率分布去描述和归纳总体是合适的，从这个意义上说，总体就是 一个概率分布，而其数量指标就是服从这个分布的随机变量，个体就是总体对应 随机变量的一次观察值。 为了解总体的分布，就必须从总体中进行抽样观察，即从总体X 中随机地抽 取 个个体，记为 ,称为总体的一个样本， 称为样本容量，简称样本量。 n X ,,X n 1 n 样本具有二重性：一方面，由于样本是从总体中随机抽取的，抽取前无法预 知它们的数值，因此样本也是随机变量，用大写字母X ,,X 表示；另一方面， 1 n 样本在抽取以后就有确定的观测值，称为样本观测值，用小写字母x ,,x 表示。 1 n 从总体中抽取样本方法很多，为了能对总体作较可靠的推断，总希望样本能 很好地代表总体，即要求抽取的样本能很好的反映总体的特征且便于处理，这就 需要对抽样方法提出一些要求，最常用的是简单随机抽样，简称为样本，满足： （1）随机性：每一个个体都有同等机会被选入样本，即每一样本Xi 与总体X 有相同的分布； （2）独立性：每一样本的取值不影响其它样本的取值，即X ,,X 相互独立。 1 n 根据样本来估计和推断总体 X 的分布函数F(x)是数理统计要解决的一个重 要问题，为此，引入经验分布函数的概念。 设X ,,X 是取自总体分布函数为F(x) 的样本，若将样本观测值从小到大进