MATLAB数据分析与多项式计算

MATLAB


数据统计处理

最大值和最小值

  1. 求向量的最大值最小值
    (1) y=max(X):返回向量X的最大值存入y,如果X中包含复数元素,则按模取最大值
    (2) [y,I]=max(X):返回向量X的最大值存入y,最大值的序号存入I,如果X中包含复数元素,则按模取最大值。
    (3) min(X)和max(X)的用法相同

  2. 求矩阵的最大值最小值
    (1) max(A):返回一个行向量,向量的第i个元素是矩阵A的第i列上的最大值。
    (2) [Y,U]=max(A):返回行向量Y和U,Y向量记录A的每列的最大值,U向量记录每列最大值的行号
    (3) max(A,[],dim):dim取1或2。dim取1时,该函数和max(A)完全相同;dim取2时,该函数返回一个列向量,其第i个元素是A矩阵的第i行上的最大值。

  3. 两个向量或矩阵的比较
    (1) U=max(A,B):A,B是两个同型的向量或矩阵,结果U是与A,B同型的向量或矩阵,U的每个元素等于A,B对应元素的较大者。
    (2) U=max(A,n):n是一个标量,结果U是与A同型的向量或矩阵,U的每个元素等于A对应元素和n中的较大者。
    (3) min函数的用法和max完全相同。

求和与乘积

设X是一个向量,A是一个矩阵
  1. sum(X):返回向量X各元素的和。
  2. prod(X):返回向量X各元素的乘积。
  3. sum(A,dim):当dim=1时,返回一个行向量,其第i个元素是A的第i列的元素和;当dim=2时,当dim为2时,返回一个列向量,其第i个元素是A的第i行的各元素之和
  4. prod(A,dim):当dim=1时,返回一个行向量,其第i个元素是A的第i列的元素乘积;当dim=2时,返回一个列向量,其第i个元素是A的第i行的各元素乘积

平均值与中值

mean(X):返回向量X的算术平均值。
median(X):返回向量X的中值。
mean(A,dim):当dim为1时,返回一个行向量,其第i个元素是A的第i列的算术平均值。;当dim为2时,返回一个列向量,其第i个元素是A的第i行的算术平均值。
median(A,dim):当dim为1时,返回一个行向量,其第i个元素是A的第i列的中值;当dim为2时,返回一个列向量,其第i个元素是A的第i行的中值。
累加和与累加积
cumsum(X):返回向量X累加和向量。
cumprod(X):返回向量X累乘积向量。
cumsum(A,dim):当dim=1,返回一个矩阵,其第i列是A的第i列的累加和向量。当dim=2,返回一个矩阵,其第i行是A的第i行的累加和向量。
cumprod(A,dim):当dim=1,返回一个矩阵,其第i列是A的第i列的累乘积向量。当dim=2,返回一个向量,其第i行是A的第i行的累乘积向量。

标准方差与相关系数

y=std(x) 算出x的标准偏差。

x可以是向量或者一个矩阵
若x是vector,则y是算x的标准偏差。
若x是matrix,则y是个vector,存放的是算每一列/行的标准偏差。

std (x, flag,dim) 返回标准方差

fla表示标注公差时是要除以n还是n-1
flag==0------是除以n-1
flag==1------是除以n
Dim==1-------求各列的标准方差
Dim==2-------求各行的标准方差

var(x)返回方差
range(x)返回极差
corrcoef(X):返回从矩阵X形成的一个相关系数矩阵。此相关系数矩阵的大小与矩阵X一样。它把矩阵X的每列作为一个变量,然后求它们的相关系数。
corrcoef(X,Y):在这里,X,Y是向量,它们与corrcoef([X,Y])的作用一样。

偏度与峰度

随机变量 x 的偏度和峰度指的是 x 的标准化变量$$((x-Ex))⁄√Dx$$ 的三阶中心矩和四阶中心矩:

三阶中心矩和四阶中心矩

偏度反映分布的对称性, v1 > 0称为右偏态,此时数据位于均值右边的比位于左边的多; ν 1 < 0 称为左偏态,情况相反;而ν 1接近 0 则可认为分布是对称的。

峰度是分布形状的另一种度量,正态分布的峰度为 3,若ν 2 比 3 大得多,表示分布有沉重的尾巴,说明样本中含有较多远离均值的数据,因而峰度可以用作衡量偏离正态分布的尺度之一。

Matlab 中 moment(x,order)返回 x 的 order 阶中心矩,order 为中心矩的阶数。skewness(x)返回 x 的偏度,kurtosis(x)返回峰度。
在以上用 Matlab 计算各个统计量的命令中,若 x 为矩阵,则作用于 x 的列,返回一个行向量。

排序

sort(X) 函数返回一个对X中的元素按升序排列的新向量。
sort函数也可以对矩阵A的各列或各行重新排序,其调用格式为:
[Y,I]=sort(A,dim)其中dim指明对A的列还是行进行排序。若dim=1,则按列排;若dim=2,则按行排。Y是排序后的矩阵,而I记录Y中的元素在A中位置。

频数

求频数用 hist 命令实现,其用法是:
[N,X] = hist(Y,M)得到数组(行、列均可) Y 的频数表。它将区间[min(Y),max(Y)]等分为 M 份(缺省时M 设定为 10), N 返回 M 个小区间的频数, X 返回 M 个小区间的中点。

hist(Y,M)画出数组 Y 的直方图。

数据插值

y=interp1(x0,y0,x,'method')

method 指定插值的方法,默认为线性插值。其值可为:
'nearest' 最近项插值
'linear' 线性插值
'spline' 逐段 3 次样条插值
'cubic' 保凹凸性 3 次插值。

所有的插值方法要求 x0 是单调的
Matlab 中三次样条插值也有现成的函数:

y=spline(x0,y0,x);
pp=csape(x0,y0,conds), y=ppval(pp,x) ```

对于三次样条插值,我们提倡使用函数 csape, csape 的返回值是 pp 形式,要求插值点的函数值,必须调用函数 ppval。 
`pp=csape(x0,y0)`:使用默认的边界条件,即 Lagrange 边界条件。
`pp=csape(x0,y0,conds)`中的 conds 指定插值的边界条件,其值可为: 
'complete' 边界为一阶导数,即默认的边界条件
'not-a-knot' 非扭结条件
'periodic' 周期条件
'second' 边界为二阶导数,二阶导数的值[0, 0]。
'variational' 设置边界的二阶导数值为[0,0]。 
 
##曲线拟合
##离散傅立叶变换
##多项式计算






最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 159,117评论 4 362
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 67,328评论 1 293
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 108,839评论 0 243
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 44,007评论 0 206
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,384评论 3 287
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,629评论 1 219
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,880评论 2 313
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,593评论 0 198
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,313评论 1 243
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,575评论 2 246
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 32,066评论 1 260
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,392评论 2 253
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 33,052评论 3 236
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,082评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,844评论 0 195
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,662评论 2 274
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,575评论 2 270

推荐阅读更多精彩内容