matlab数理统计工具箱

Matlab符号数学工具箱应用简介Matlab符号运算是通过集成在Matlab中的符号数学工具箱（Symbolic Math Toolbox）来实现的。

和别的工具箱有所不同，该工具箱不是基于矩阵的数值分析，而是使用字符串来进行符号分析与运算。

实际上，Matlab中的符号数学工具箱是建立在Maple基础上的，当进行Matlab符号运算时，它就请求Maple软件去计算并将结果返回给Matlab。

Matlab的符号数学工具箱可以完成几乎所有得符号运算功能。

这些功能主要包括：符号表达式的运算，符号表达式的复合、化简，符号矩阵的运算，符号微积分、符号函数画图，符号代数方程求解，符号微分方程求解等。

此外，工具箱还支持可变精度运算，既支持符号运算并以指定的精度返回结果。

在一般的Matlab书籍中都会对Matlab的符号运算做一些介绍，本文将略去这些简单的部分，主要对比较复杂的部分做一些介绍，另外，限于篇幅，和前面几篇一样，在此也仅仅列出函数的名称和功能，至于其参数设置，可借助Matlab的帮助系统一、符号表达式的运算[n,d]=numden(a) 提取符号表达式a的分子和分母，并将其存放在n和d中n=numden(a) 提取符号表达式a的分子和分母，只将分子存放在n中symadd(a,b) 返回符号表达式a和b的和，也可直接用a+bsymsub(a,b) 返回符号表达式a和b的差，也可直接用a-bsymmul(a,b) 返回符号表达式a和b的积，也可直接用a*bsymdiv(a,b) 返回符号表达式a和b的商，也可直接用a/bsympow(a,b) 返回符号表达式a的b次幂，也可直接用a^bcompose(f,g) 返回复合函数f(g(y))compose(f,g,z) 返回自变量为z的复合函数f(g(z))compose(f,g,x,z) 返回复合函数f(g(z))，并使x成为f函数的独立变量。

即，如果f=cos(x/t)，则compose(f,g,x,z)返回复合函数cos(g(z)/t)，而compose(f,g,t,z)返回cos(x/g(z))compose(f,g,x,y,z) 返回复合函数f(g(z))，并且使x与y分别成为f与g函数的独立变量。

Matlab数理统计工具箱应用简介1．概述Matlab的数理统计工具箱是Matlab工具箱中较为简单的一个，其牵扯的数学知识是大家都很熟悉的数理统计，因此在本文中，我们将不再对数理统计的知识进行重复，仅仅列出数理统计工具箱的一些函数，这些函数的意义都很明确，使用也很简单，为了进一步简明，本文也仅仅给出了函数的名称，没有列出函数的参数以及使用方法，大家只需简单的在Matlab工作空间中输入“help 函数名”，便可以得到这些函数详细的使用方法。

2．参数估计betafit 区间3．累积分布函数betacdf β累积分布函数binocdf 二项累积分布函数cdf 计算选定的累积分布函数chi2cdf 累积分布函数2χexpcdf 指数累积分布函数fcdf F累积分布函数gamcdf γ累积分布函数geocdf 几何累积分布函数hygecdf 超几何累积分布函数logncdf 对数正态累积分布函数nbincdf 负二项累积分布函数ncfcdf 偏F累积分布函数nctcdf 偏t累积分布函数ncx2cdf 偏累积分布函数2χnormcdf 正态累积分布函数poisscdf 泊松累积分布函数raylcdf Reyleigh累积分布函数tcdf t 累积分布函数unidcdf 离散均匀分布累积分布函数unifcdf 连续均匀分布累积分布函数weibcdf Weibull累积分布函数4．概率密度函数betapdf β概率密度函数binopdf 二项概率密度函数chi2pdf 概率密度函数2χexppdf 指数概率密度函数fpdf F概率密度函数gampdf γ概率密度函数geopdf 几何概率密度函数hygepdf 超几何概率密度函数lognpdf 对数正态概率密度函数nbinpdf 负二项概率密度函数ncfpdf 偏F概率密度函数nctpdf 偏t概率密度函数ncx2pdf 偏概率密度函数2χnormpdf 正态分布概率密度函数pdf 指定分布的概率密度函数poisspdf 泊松分布的概率密度函数raylpdf Rayleigh概率密度函数tpdf t概率密度函数unidpdf 离散均匀分布概率密度函数unifpdf 连续均匀分布概率密度函数weibpdf Weibull概率密度函数5．逆累积分布函数Betainv 逆β累积分布函数binoinv 逆二项累积分布函数chi2inv 逆累积分布函数2χexpinv 逆指数累积分布函数finv 逆F累积分布函数gaminv 逆γ累积分布函数geoinv 逆几何累积分布函数hygeinv 逆超几何累积分布函数logninv 逆对数正态累积分布函数nbininv 逆负二项累积分布函数ncfinv 逆偏F累积分布函数nctinv 逆偏t累积分布函数ncx2inv 逆偏累积分布函数2χnorminv 逆正态累积分布函数possinv 逆正态累积分布函数raylinv 逆Rayleigh累积分布函数tinv 逆t累积分布函数unidinv 逆离散均匀累积分布函数unifinv 逆连续均匀累积分布函数weibinv 逆Weibull累积分布函数6．分布矩函数betastat 计算β分布的均值和方差binostat 二项分布的均值和方差chi2stat 计算分布的均值和方差2χexpstat 计算指数分布的均值和方差fstat 计算F分布的均值和方差gemstat 计算γ分布的均值和方差geostat 计算几何分布的均值和方差hygestat 计算超几何分布的均值和方差lognstat 计算对数正态分布的均值和方差nbinstat 计算负二项分布的均值和方差ncfstat 计算偏F分布的均值和方差nctstat 计算偏t分布的均值和方差ncx2stat 计算偏分布的均值和方差2χnormstat 计算正态分布的均值和方差poissstat 计算泊松分布的均值和方差raylstat 计算Rayleigh分布的均值和方差tstat 计算t分布的均值和方差unidstat 计算离散均匀分布的均值和方差unifstat 计算连续均匀分布的均值和方差weibstat 计算Weibull分布的均值和方差7．统计特征函数corrcoef 计算互相关系数cov 计算协方差矩阵geomean 计算样本的几何平均值harmmean 计算样本数据的调和平均值iqr 计算样本的四分位差kurtosis 计算样本的峭度mad 计算样本数据平均绝对偏差mean 计算样本的均值median 计算样本的中位数moment 计算任意阶的中心矩prctile 计算样本的百份位数range 样本的范围skewness 计算样本的歪度std 计算样本的标准差trimmean 计算包含极限值的样本数据的均值var 计算样本的方差8．统计绘图函数boxplot 在矩形框内画样本数据errorbar 在曲线上画误差条fsurfht 画函数的交互轮廓线gline 在图中交互式画线gname 用指定的标志画点lsline 画最小二乘拟合线normplot 画正态检验的正态概率图pareto 画统计过程控制的Pareto图qqplot 画两样本的分位数-分位数图refcurve 在当前图中加一多项式曲线refline 在当前坐标中画参考线surfht 画交互轮廓线weibplot 画Weibull概率图9．统计处理控制capable 处理能力索引capaplot 画处理能力图ewmaplot 画指数加权移动平均图histfit 叠加正态密度直方图normspec 在规定的极限内画正态密度图schart 画标准偏差图xbarplot 画水平条图10．假设检验Ranksum 计算母体产生的两独立样本的显著性概率和假设检验的结果signrank 计算两匹配样本中位数相等的显著性概率和假设检验的结果signtest 计算两匹配样本的显著性概率和假设检验的结果ttest 对单个样本均值进行t检验ttest2 对两样本均值差进行t检验ztest 对已知方差的单个样本均值进行z检验11．试验设计cordexch 配位交叉算法D-优化试验设计daugment D-优化增强试验设计dcovary 使用指定协变数的D-优化试验设计ff2n 两水平全因素试验设计fullfact 全因素试验设计hadamard Hadamard正交试验rowexch 行交换算法D-优化试验设计。

Matlab 统计⼯具箱应⽤（III ）Matlab 统计⼯具箱应⽤(III)2011 年 07 ⽉ 18 ⽇本节讨论统计⼯具箱在线性回归与回归分析中的应⽤。

1． 回归分析的主要研究内容a. 建⽴因变量y 与⾃变量x_1,x_2,…x_n 之间的回归模型（经验公式）b. 对回归模型的可信度进⾏分析c. 判断每个⾃变量x_i 对y 的影响是否明显（⽅差分析）d. 诊断回归模型是否适合这组数据；e. 利⽤回归模型对y 进⾏预测和分析2. 数据的标准化处理对数据进⾏标准化处理，⼀则不会改变数据之间的相关关系，却可以为后续的处理提供便利；⼆则可以对数据进⾏⽆量纲化处理，使每个变量都有等同的表现⼒。

其中， 是原始数据， 是每个变量在n 个观测点上的均值，即 , 是每个变量组间标准差，即为 .3. ⼀元线性回归模型分析形如 即为⼀元线性回归模型，即y 仅与⼀个变量x 有关，式⼦最后⼀项为随机变量。

根据最⼩⼆乘法（过程省略），可以得到 和 的估计值如下： ⼜由于之前对数据做了标准化处理，所以有 , ,4.显著性检验对于⼀元线性回归模型，显著性检验包含两个⽅⾯，⼀是检验因变量与⾃变量之间是否具有显著的线性关系，即对模型的检验，这是由F 检验完成的，对于给定的置信⽔平 ,按⾃由度n1=1，n2 = n-2查F 的分布表，若⼤于则认为模型可接受；⼆是检验回归参数是否合理，这是由t 检验完成的，对于给定的置信⽔平 ,按⾃由度n-2查t 分布表，若⼤于则认为 显著不为零。

5.多元线性回归过程与原理与⼀元线性回归过程类似，但是F 检验的⾃由度变为(m,n-m-1)，并且还有⼀些衡量y 与各个分量之间是否存在相关性的指标，如 ，这是回归平⽅和在总平⽅和中的⽐值，称为复判定系数，其开⽅值为复相关系数，通常认为R>0.8(或0.9)才认为相关关系成⽴。

6.Matlab 统计⼯具箱相关函数6.1多元线性回归函数为regress ，输⼊输出如下：[b,bint,r,rint,stats]=regress(X,Y,alpha)X 是对m 个元素进⾏的n 次观测值，其中X 的⾏向量是⼀次观测值，但第⼀个元素为1，即为[1，x_1,x_2…x_m]。