MATLAB及其应用2汇编.ppt

* 一、随机数据的统计描述 1.描述数据“位置”和“散度”的矩特征 一阶矩：mean, median, geomean 二阶矩：std, var, range 2.如何获得数据的分布模式？ 频数直方图 [N, xxn] hist X, nxn ---计算或绘制样本X的频数直方图 [TN, R] rose theta, nth ---计算或绘制样本theta的频数扇形图 * 例： * 3.几种典型的分布函数 泊松分布： R poissrnd Lambda,m,n 正态分布：R normrnd Mu,Sigma,m,n ?2分布：R chi2rnd V,m,n 注意：初始化 ? rand ‘state’,kk ? randn ‘seed’,kk ? rand ‘seed’,kk * 二、多项式拟合 原理：给定一组数据 xi,yi ,i 1,2,...,N ,采用多项式模型对数 据进行描述（f a,x a1xn+a2xn-1+...+anx+an+1），求多项式参数 a1, a2,..., an, an+1,使得下列?2量最小。 Matlab实现： [a,S] polyfit x,y,n ---计算n阶拟合多项式的系数 [ye,delta] polyval a,x,S ---计算拟合多项式值的范围 S是架构数组，有3个域：S.R---QR分解后的R矩阵； S.df---相应?2量的自由度；S.normr---拟合残差的2-范数 * 曲线拟合的几个问题： 1）采用什么函数模型？ 2）模型的结构参数是什么？ 3）参数的估计值如何计算？ 4）如何估计参数的离差？ 举例： 采用多项式模型； 结构参数（模型阶数）通过?2量确定； 参数估计（多项式系数）运用最小二乘估计，并给 出相应的离差 a 估计参数下的?2量与其自由度相近； b Q ?2,N- n+1 1-P ?2 N-n-1 与0.5接近 * 例：用多项式拟合给定数据 x 0:0.1:1; y [2.1,2.3,2.5,2.9,3.2,3.3,3.8,4.1,4.9,5.4,5.8]; %被拟合数据 dy 0.15; for n 1:6 [a,S] polyfit x,y,n ; %计算拟合多项式，阶次分别取1~6 A n a; %用元胞数组记录多项式系数 da dy*sqrt diag inv S.R’*S.R ; %计算系数的误差 DA n da’; freedom n S.df; %记录自由度 [ye,delta] polyval a,x,S ; %计算拟合多项式值的范围 YE n ye; %记录拟合多项式的均值 D n delta; %记录拟合多项式的离差 chi2 n sum y-ye .^2 /dy/dy; %计算?2量 end Q 1-chi2cdf chi2,freedom ; %计算判断拟合良好度的Q * %图形显示比较?2量与自由度，以及Q与0.5 subplot 1,2,1 , plot 1:6,abs chi2-freedom ,’b.-’ xlabel ‘阶次’ , title ‘chi2与自由度’ subplot 1,2,2 , plot 1:6,Q,’r*-’,1:6,ones 1,6 *0.5 xlabel ‘阶次’ , title ‘Q与0.5线’ 根据结果，模型阶数应选择3或4 * 验证结果: 选择三阶多项式 figure, plot x,y,’r*’ ; %被拟合数据 axis [0,1,1,6] ; hold on errorbar x,YE 3 ,D 3 ,’b’ ; %拟合曲线及误差范围 title ‘较适当的三阶拟合’ * 三、插值 根据给定的“基准数据”，研究如何“平滑”地估算“基准数据”之间其它点的函数值 1.一维插值 z interp1 x,y,x0,’method’ 插值方法（method）: nearest, linear, spline, cubic 2.二维插值 z interp2 x,y,z,x0,y0,’method’ 插值方法（method）: nearest, linear, cubic * 例：假设有一组海底深度测量数据，采用插值方式绘制海底形状图。 load sea.mat figure,surf X,Y,Z ;view -25,25 %显示测量数据 xi linspace -5,5,50 ;yi linspace -5,5,50 ; [X1,Y1] meshgrid xi,yi ; %待估算数据 Z1 interp2 X,Y,Z,X1,Y1,’*cubic’ ; %采用多项式插值，并绘制数据 f