第三节数据的统计描述和分析.pptVIP

* * 第三节 数据的统计描述与分析 内容: § 1 数据的录入、保存和调用 §2 基本统计量 §3 常见概率分布的函数 § 4 频数直方图的描绘 § 5 假设检验 § 6 假设检验 数理统计学是以概率论为基础，从实际观测资料出发，研究如何合理地搜集资料（数据）来对随机变量地分布函数、数字特征等进行估计、分析和推断。更具体地说：数理统计学是研究从一定总体中随机抽出一部分（称样本或子样）的某些性质，以此对所研究总体的性质作出推测性的判断。 MATLAB统计工具箱中提供了基本的统计命令 § 1 数据的录入、保存和调用 统计中的数据量往往较大，在交互环境输入后，往往需要保存为数据文件，以便调用来作各种统计分析。 save fname [变量列表]—保存当前工作空间中变量 load fname [变量列表]—从文件中恢复以前保存过的变量 § 2 基本统计量 对随机变量x，计算其基本统计量的命令： mean(x) std(x) skewness(x) median(x) var(x) kurtosis(x) 均值 标准差 偏度 中位数 方差 峰度 §3 常见概率分布的函数 norm exp poiss beta weib chi2 t F 正态分布 指数分布 泊松分布 β分布 威布尔分布 χ2分布 t分布 F分布 pdf cdf inv beta stat rnd 概率密度 概率分布 逆概率分布 均值与方差 威布尔分布 随机数生成 p=normpdf(x,mu,sigma) p=normcdf(x,mu,sigma) p=norminv(p,mu,sigma) [m,v]=normstat(mu,sigma) Normrnd(mu,sigma,m,n) x=-6:.01:6;y=normpdf(x); z=normpdf(x,0,2); plot(x,y,x,z) 正态分布N(0,1)和N(0,22)的概率密度函数图形 标准正态分布概率p{－1x1} P=normcdg(1)-normcdf(-1) 例题： 取α＝0.05，求μ1－α/2 P=0.975 Μ0.975=norminv(0.975)=1.96 求正态分布N(3,52)的均值与方差 [m,v]=mormstat(3,5) M=normrnd([1 2 3;4 5 6],0.1,2,3) §4 频数直方图的描绘 [N,X]=hist(data,k) 将区间[min(data),max(data)]分为k个小区间，返回数组data落在每个区间上的频数N和每个区间的中点X hist(y,n) hist(y,x) [xx,yy]=hist(y,n) X=[1 1 3 4 5 1 9 8] Hist(x,3); Title(‘Histogram of x using hist(x,3)’); § 5 参数估计 1。正态总体的参数估计 [muhat,sigmahat,muci,sigmaci]=normfit(X,alpha) 在显著水平alpha下估计X的参数，返回值muhat是X的均值点估计值，sigmahat是标准差的点估计值，sigmahat是标准差的点估计值，muci是均值的区间估计 2。其他分布的参数估计 [muhat,muci]=expfit(X,alpha) [lambdahat,lambdaci]=poissfit(X,alpha) [phat,pci]=weibfit(X,alpha) 在显著水平alpha下，求指数分布的数据X的均值的点估计及其区间估计； 在显著水平alpha下，求泊松分布的数据X的参数λ的点估计及其区间估计； 在显著水平alpha下，求weibull分布的数据X的参数的点估计及其区间估计； § 6 假设检验 1.总体方差sigma2已知时，总体均值的检验使用z——检验 [h,sig,ci]=ztest(x,m,sigma,alpha,tail) Sigma:已知方差，alpha为显著性水平 ， tail＝0 —检验假设“x的均值等于m” tail＝1—检验假设“x的均值大于m” tail＝－1—检验假设“x的均值小于m” 2.总体方差sigma2未知时，总体均值的检验使用t——检验 [h,sig,ci]=ttest(x,m,alpha,tail) alpha为显著性水平 ， tail＝0 —检验假设“x的均值等于m” tail＝1—检验假设“x的均值大于m” tail＝－1—检验假设“x的均值小于m” 3.两总体均值假设的检验使用t——检验 [h,sig,ci]=ttest2(x,y,alpha,tail) alpha为显著性水平