数据分析与统计-概率统计.ppt

Z?常用数据分析函数corrcoef(x)---求相关函数；cov(x)---协方差矩阵；cross(x,y)---向量的向量积；diff(x)---计算元素之间差；dot(x,y)---向量的点积；gradient(z,dx,dy)---近似梯度；histogram(x)---直方图和棒图；max(x),max(x,y)---最大分量；mean(x)---均值或列的平均值；min(x),min(x,y)---最小分量；prod(x)---列元素的积；rand(x)---均匀分布随机数；rands(x)---正态分布随机数；sort(x)---按升序排列；std(x)---列的标准偏差；sum(x)---各列的元素和；subspace(A,B)---两个子空间之间的夹角。常用统计函数一、参数估计（1）[N,X]=hist(data,k)将区间[min(data),max(data)]分为k个区间（缺省为10），返回数据data落在每一个区间的频度数N和每一个区间的中点X。（2）h=normplot(x)显示数据矩阵x的正态概率图，如果数据来自于正态分布，则图形显示出直线性形态，而其他概率分布分布函数显示出曲线形态。（3）h=weibplot(x)显示数据矩阵x的weibull概率图，如果数据来自于weibull分布，则图形显示出直线性形态，而其他概率分布分布函数显示出曲线形态。（4）[muhat,sigmahat,muci,sigamaci]=normfit(x)[muhat,sigmahat,muci,sigamaci]=normfit(x,alpha)对于正态分布，命令[muhat,sigmahat,muci,sigamaci]=normfit(x,alpha)在置信度（1-alpha）下估计数据x的参数，[muhat,sigmahat,muci,sigamaci]=normfit(x)在置信度0.95下估计数据x的参数，返回值muhat是x的均值，sigmahat是方差，muci是均值的置信区间，sigmaci是方差的置信区间。（5）[muhat,muci]=expfit(x,alpha)估计指数分布的均值及其(1-alpha)置信区间。（6）[lambdahat,lambdaci]=poissfit(x,alpha)估计泊松分布的lambda及其(1-alpha)置信区间。（7）[phat,pci]=weibfit(data,alpha)估计weibull分布参数。二、假设检验（1）[h,sig,ci]=ztest(x,m,sigma,alpha,tail)[h,sig,ci]=ztest(x,m,sigma,alpha)[h,sig,ci]=ztest(x,m,sigma)已知数据x的方差的情况下，命令[h,sig,ci]=ztest(x,m,sigma,alpha,tail)使用z-检验检验数据x的关于均值的某一假设是否成立，sigma为方差，1-alpha为置信度，检验的假设取决于tail的取值。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”。缺省的tail为0，alpha为0.05。返回h=1，表示拒绝假设，h=0表示不可以拒绝假设，sig为假设成立的概率，ci为均值的1-alpha置信区间。（2）[h,sig,ci]=ttest(x,m,alpha,tail)[h,sig,ci]=ttest(x,m,alpha)[h,sig,ci]=ttest(x,m)在不知数据x的方差的情况下，命令[h,sig,ci]=ztest(x,m,alpha,tail)使用t-检验检验数据x的关于均值的某一假设是否成立，1-alpha为置信度，检验的假设取决于tail的取值。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”。缺省的tail为0，alpha为0.05。返回h=1，表示拒绝假设，h=0表示不可以拒绝假设，sig为假设成立的概率，ci为均值的1-alpha置信区间。（3）[h,sig,ci]=ttest2(x,y,alpha,tail)[h,sig,ci]=ttest2(x,y,alpha)[h,sig,ci]=