《数学建模—概率模型》.ppt

数学建模—概率模型 目录 1 2 3 4 数据导入、导出与预处理 方差分析 参数估计与假设检验 随机数生成 5 6 7 8 数据拟合 主成分分析 判别分析 聚类分析 1数据处理 1.2 调用高级函数导入数据 importdata(‘examp02-01.txt’),把文件复制到目录下，重命名选中文件名 Load函数适用于全是数据的文件，且等长； 常用的还有dlmread,textread(适合分隔符多样的情况) 1.1 用菜单导入数据 对txt文档，直接使用file－import data 例如example 02-01;02-05(长短不齐) 1.3调用低级函数导入数据 步骤：按指定格式打开文件（fopen），获取文件标识符(fid)，读取文件内容（fseek,ftell,frewind,feof控制读写位置，fgets读取文件的下一行,textscan读取数据等） ，关闭文件（fclose） 。 1数据处理 1.5从excel文件中读取数据 num = xlsread('examp02_14.xls', 'A2:H4‘) 1.4 数据写入txt文件 　　 fprintf(fid,'%-f %-f %-f %-f %-f %-f %-f %-f\n', x); 1.6 数据预处理 1.画出散点图估计趋势 2.剔除奇异点 3.平滑处理（smooth，建议用excel）或对数变换 4.标准化变换，适合于各变量的量纲和数量级不一致的时候。数据减去均值，除以标准差（zscore）[xz,mu,sigma] = zscore(x) 5.极差归一化变换（rscore ,非matlab自带） 2随机数生成 1　　随机数 用于信息安全，网络游戏，计算机仿真和模拟计算等。 Rand [0,1] Randn 标准正态 Randstream 适合于7.7及其以后版本，调用类函数 统计工具箱中以rnd结尾的用来生成符合某种分布的随机数，如 Normrnd 正态分布 Binornd　二项分布 Exprnd　　指数分布等 2 　histrate函数（非自带） 统计数值型数组，字符串数组等各元素出现的频数，频率等，请同学们检查是否安装的有matlab统计工具箱 2随机数生成 例子：用蒙特卡洛方法求圆周率 圆心在原点的单位圆与外接正方形，相互独立的ｘ，ｙ服从[-1,1]上的均匀分布，则（ｘ，ｙ）在正方形内服从二元均匀分布，Ａ为落在圆内的概率， 则Ｐ（A）=? 还可以用来求面积，体积，积分值，概率等 3　　蒙特卡洛方法 这是计算机随机模拟方法，是一种基于随机数的计算方法，冯以摩纳哥的赌城命名。基本思想：频率确定概率。 3参数估计 2　正态总体参数的检验(例子05.02) U检验(标准差已知)　　 ztest Ｔ检验(标准差未知) 　　ttest 均值比较ｔ检验　　　ttest2 卡方检验（单个方差）vartest Ｆ检验（两个方差） vartest2 1　参数估计 统计工具箱中以fit结尾的函数，用来求常见分布的参数的最大似然估计和置信区间估计。 　例子05.01 3拟合与检验 理论上概率统计都假定变量服从某分布，构造统计量，做出统计推断。 但总体到底服从何种分布，你的假定是真的吗？ 例子examp02_14.xls 描述性统计(examp05-03) 均值，标准差，最值，极差，中位数，众数， 变异系数，标准差与平均数的比值，自己计算 偏度，分布密度曲线的对称性，越接近0，越对称 峰度，密度曲线在峰值附近的陡峭性，正态为3 3拟合与检验 3统计图(examp05-03) 箱线图（判断对称性） 频率直方图（最常用） 经验分布函数图 正态概率图（+越集中在参考线附近，越近似正态分布） 4分布检验 Chi2gof,jbtest,kstest,kstest2,lillietest等 Chi2gof卡方拟合优度检验，检验样本是否符合指定分布。它把观测数据分组，每组包含5个以上的观测值，根据分组结果计算卡方统计量，当样本够多时，该统计量近似服从卡方分布。 jbtest,利用峰度和偏度检验。 3拟合与检验 5核密度估计(example05_04.m) 需要用样本估计总体的概率分布函数，方法有参数法和非参数法。参数法假定总体服从某种已知的分布，估计参数。非参数法不需要做对总体分布的假设，核密度估计就是一种非参数法。 4方差分析 预备知识　有关术语简介 因素或因子：所要检验的对象 水平：因子的不同表现 观察值：在每个因素水平下得到的样本值 方差分析能做： 1　检验多个总体均值是否相等（不同院系的高数成绩） 2　需要研究生产条件或实验条件的改变