医用统计学在MATLAB中的实现.docVIP

实验目的 二、实验环境 1、硬件配置： 2、软件环境： 三、实验 1. MATLAB 中各种分布函数 产生均值为，标准差为s的N维正态分布数据：normrnd(,s,N,1) 产生区间[a,b]之间的N维均匀分布数据：unifund(a,b,N,1) 产生参数为k的N维指数分布数据：exprnd(k,N,1) MATLAB 假设检验 进行假设检验的步骤如下： 提出原假设和备择假设； 确定适当的统计量； 规定显著性域a，确定拒绝域； 计算检验统计量的值； 做出统计决策。 注意：比较两样本是否有显著性差异的时候，通常要用卡方拟合优度检验判断样本是否 来自正态总体，函数为 chi2gof，然后判断两样本方差是否相等，函数为 vartest2， 根据方差是否相等，设置t检验函数 ttest2的参数。 MATLAB 线性回归 (1)MATLAB 中提供regress 函数进行一元和多元线性回归分析，调用格式如下： [b,bint,r,rint,stats]=regress(Y,X) b代表所有自变量的回归系数；bint代表所有自变量的回归系数置信区间；r代表残差；rint代表残差置信区间；stats用于对整个回归方程进行假设检验，stats的第一个值为确定系数，其值越大，回归方程越有价值；stats的第二个值F的统计量越大，说明回归方程越显著；stats的第三个值p小于置信度（0.05），则说明显著性成立；stats的第四个值是对误差方差的估计。 (2)当某个自变量的回归系数的对应置信区间包含0时，说明此自变量没有回归显著意 义，应该剔除。 四、实验结果与分析 %%%3-6 clear; close all; %%%3-7 x=[170,155,140,115,235,125,130,145,105,145] %输入样本数据 y=[150,125,150,140,90,120,100,100,90,125] %输入样本数据 h1=lillietest(x) h2=lillietest(y) h3=var(x) h4=var(y) if h3==h4 [h,p,ci,stats]=ttest2(x,y,[],[],unequal) else [h,p,ci,stats]=ttest2(x,y) End x = Columns 1 through 7 170 155 140 115 235 125 130 Columns 8 through 10 145 105 145 y = Columns 1 through 7 150 125 150 140 90 120 100 Columns 8 through 10 100 90 125 h1 = 0 h2 = 0 h3 = 1.3281e+003 h4 = 537.7778 h = 0 p = 0.0593 ci = -1.1977 56.1977 stats = tstat: 2.0132 df: 18 sd: 30.5437 根据运行结果h=0，p=0.05930.05,所以结论为克山病人与健康人没有显著差异 3-8 A=sortrows([x0;y0]); x=A(:,1); y=A(:,2); x1=[ones(size(x)),x]; [b,bint,r,rint,stats]=regress(y,x1);%回归分析 b,bint,stats, figure,rcoplot(r,rint);%绘制残差分布图 [p,S]=polyfit(x,y,1);%一次多项式拟合 [ye,delta]=polyconf(p,x,S);%用拟合多项式进行估计 figure,plot(x,y,ro,x,ye,-,x,ye+delta,b-.,x,ye-delta,b-.); xlabel(进食量x); ylabel(增量y); title(x-y散点图及其拟合直线); %利用regress函数，得到b=[-47.3529,0.261],其置信区间分别为[-173.6266 %78.9208]和[0.102,0.42]，对应的p值为 0.0070.05,说明拒绝H0，即进食量与增重无直线关系 %观察残差分布，发现异常点存在，则要剔除该异常点后重新估计回归参数 x