大气统计作业概要.docVIP

上机实践 相关回归分析 （1）计算北京夏季降水与气温的相关系数及秩相关系数 %计算Xrank中的各个值 for i = 1 : N cont1 = 1; %记录大于特定元素的元素个数 cont2 = -1; %记录与特定元素相同的元素个数 for j = 1 : N if X(i) X(j) cont1 = cont1 + 1; elseif X(i) == X(j) cont2 = cont2 + 1; end end Xrank(i) = cont1 + mean([0 : cont2]); end %计算Yrank中的各个值 for i = 1 : N cont1 = 1; %记录大于特定元素的元素个数 cont2 = -1; %记录与特定元素相同的元素个数 for j = 1 : N if Y(i) Y(j) cont1 = cont1 + 1; elseif Y(i) == Y(j) cont2 = cont2 + 1; end end Yrank(i) = cont1 + mean([0 : cont2]); end %利用差分等级(或排行)序列计算斯皮尔曼等级相关系数 fenzi = 6 * sum((Xrank - Yrank).^2); fenmu = N * (N^2 - 1); coeff = 1 - fenzi / fenmu; end %函数mySpearman结束} 计算相关系数： A=load(RBJsum.txt); B=load(TBJsum.txt); A1=A(:,2); B1=B(:,2); %相关系数 R=corrcoef(A1,B1); R = 1.0000 -0.4332 -0.4332 1.0000 %秩相关系数 X=A1; Y=B1; coeff=mySpearman(X,Y); coeff coeff = -0.4693 (2)显著性检验： 相关系数 自由度n=52-2 查表可知，rc=0.2730.4332 计算得到的相关系数大于0.273，则在显著水平0.05是显著的。 秩相关系数： 同理，对秩相关系数检验可得： rc=0.2730.4693，因此秩相关系数在显著水平0.05上是显著的，通过检验。 （2）将降水量作为预报因子，气温作为预报量，试给出回归方程，并说明降水每增加100mm，气温大致下降多少oC？ legend(降水量-气温散点图); scatter(x,y) xlabel(降水量);ylabel(气温); title(降水量-气温散点图); %建立回归方程： stepwise(x,y)； b= 25.995 -0.0019776 x1=[ones(52,1),x]; y1=x1*b; plot(x,y,*,x1,y1); xlabel(降水量);ylabel(气温); title(拟合曲线及散点图); 那么降水每增加100mm，气温大致下降0.19776oC 二、EOF分析 （1）进行EOF分析，给出前十个模态的方差解释率，并根据North准则（绘出Error Bar图），说明需要选择前几个模态进行分析？ fid=fopen(ssta.dat,r); a=fread(fid,’float’);%a=reshape(a,56*11,336);b=a’; b=zeros(336,616); c=zeros(1,616); j=0; for n=1:336; c=a(j+1:j+616); b(n,:)=reshape(c,1,616);j=j+616;%b1=fread(fid,[616 336]);b=b’; end b=b; C=b*b/616; [EOF,E]=eig(C); PC=EOF*b; E=fliplr(flipud(E)); lambda=diag(E); EOF=fliplr(EOF); PC=flipud(PC); sum_d=sum(lambda); count=0; for i=1:336; count=count+lambda(i); G1(i)=count/sum_d;%累计方差