matlab统计工具箱 - read.ppt

Matlab统计工具箱 一:统计工具箱简介 二:概率分布 三:参数估计 四:描述性统计 五:假设检验 六:统计绘图 一.matlab统计工具箱(statistics toolbox)简介 统计学是处理数据的艺术和科学,通过收集,分析,解释和表达数据来探索事物中蕴含的规律.随着科技水平的迅猛发展,知识经济的时代来临,海量的数据需要人们处理.matlab统计工具箱为人们提供了一个强有力的统计分析工具. 统计工具箱基于matlab数值计算环境,支持范围广泛的统计计算任务.它包括200多个处理函数(m文件)主要应用于以下几方面: 1.1 统计工具箱的几大功能 *概率分布 *参数估计 *描述性统计 *假设检验 *统计绘图 1.1.2 概率分布—连续型 连续型分布 如正态分布F(x)= beta分布,uniform平均分布等. 每种分布提供5类函数: 1 概率密度 2 (累积)分布函数 3 逆累积分布函数 4 随机数产生器 5 均值和方差函数. 1.1.3另外4大功能 *参数估计---依据原始数据计算参数估计值置信区域. *描述性统计---方差,期望等数字特征. *假设检验---提供最通用的假设检验函数t-检验,z-检验. *统计绘图--- box图函数,正态概率图函数等. 注意:统计工具箱中的说有函数都可用 type function_name语句查看其代码,也可进行修改,从而变为己用,加入到工具箱中. 二 概率分布 2.1 三.参数估计 参数估计: 某分布的数学形式已知,应用子样信息来估计其有限个参数的值 本节主要介绍 3.1 最大似然估计(Maximum likelihood estimation) 3.2 对数似然函数 3.1最大似然估计 基本思想: 已知一组观测值,给定这组值出自的某类分布中,求 得最有可能出现这组值的一个分布. 调用方法: [phat,pci]=mls[‘dist’,data,alpha] phat为参数估计结果,pci为置信区间计算结果dist为用户给定的分布名称,data为数据列表,(1-alpha)置信区域. 3.1.1 最大似然估计(mls)举例 例: rv=binornd(20,0.75) rv= 17 [p,pci]=mle(‘binomial’,rv,0.05,20) p= ??? 0.8000 pci= 0.5634 0.9427 3.2 对数似然函数 统计工具箱提供了β分布,γ分布,正态分布和威布尔分布的负对数似然函数值的求取函数. 正态分布的负对数似然函数 调用方法 L=normlike(params,data) Params为正态分布参数:params(1)为μ,params(2)为σ 3.2.1其他负对数似然函数 β分布的负对数似然函数 logL=betalike(params,data) γ分布的负对数似然函数 logL=gamlike(params,data) 威布尔分布的负对数似然函数 logL=weiblike(params,data) 参数设置与正态分布的负对数似然函数类似,不加冗述. 四 描述性统计 概述： 人们希望用少数样本来体现样本总体的规律。 描述性统计就是收集、整理、加工和分析统计数据，使之系统化、条理化，以显示出数据资料的趋势、特征和数量关系。 根据统计量特征性质的不同，工具箱提供了位置度量、散布度量、自助法以及在缺失数据情况下处理方法等方面的描述性统计工具函数。 4.1中心趋势（位置）度量 数据样本中心度量的目的在于对数据样本的数据分布线上分布的中心予以定位，即中心位置的度量。 均值是对位置的简单和通常的估计量。但野值的存在往往影响位置的确定。