资源描述
单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,统计工具箱中的基本统计命令,1.数据的录入、保存和调用,2.基本统计量,3.,常见的概率分布函数,4.,频 数 直 方 图 的 描 绘,5.参数估计,6.假设检验,7.综合实例,返回,11/26/2024,1,一、数据的录入、保存和调用,例1,上海市区社会商品零售总额和全民所有制职工工资总额的数据如下：,统计工具箱中的基本统计命令,11/26/2024,2,1,年份数据以1为增量，用产生向量的方法输入.,命令格式：,x=a:h:b,t=78:87,2,分别以,x,和,y,代表变量职工工资总额和商品零售总额.,x=23.8,27.6,31.6,32.4,33.7,34.9,43.2,52.8,63.8,73.4,y=41.4,51.8,61.7,67.9,68.7,77.5,95.9,137.4,155.0,175.0,3将变量,t、x、y,的数据保存在文件,data,中.,save data t x y,4进行统计分析时，调用数据文件,data,中的数据.,load data,To MATLAB(txy),方法1,11/26/2024,3,1,输入矩阵：,data=78,79,80,81,82,83,84,85,86,87,88;23.8,27.6,31.6,32.4,33.7,34.9,43.2,52.8,63.8,73.4;41.4,51.8,61.7,67.9,68.7,77.5,95.9,137.4,155.0,175.0,2将矩阵,data,的数据保存在文件,data1,中：,save data1 data,3,进行统计分析时，先用命令,：load data1,调用数据文件,data1,中的数据，再用以下命令分别将矩阵,data,的第一、二、三行的数据赋给变量,t、x、y,：,t=data(1,:),x=data(2,:),y=data(3,:),若要调用矩阵,data,的第,j,列的数据，可用命令：,data(:,j),方法2,To MATLAB(data),返回,11/26/2024,4,二、基本统计量,对随机变量,x,，计算其基本统计量的命令如下：,均值：,mean(x),中位数：,median(x),标准差：,std(x),方差：,var(x),偏度：,skewness(x),峰度：,kurtosis(x),例,对例1中的职工工资总额,x,，可计算上述基本统计量.,To MATLAB(tjl),返回,11/26/2024,5,三,、,常见概率分布的函数,MATLAB,工具箱对每一种分布都提供5类函数，其命令字符为：,概率密度：,pdf,概率分布：,cdf,逆概率分布：,inv,均值与方差：,stat,随机数生成：,rnd,（当需要一种分布的某一类函数时，将以上所列的分布命令字符与函数命令字符接起来，并输入自变量（可以是标量、数组或矩阵）和参数即可.）,11/26/2024,6,在,MATLAB,中输入以下命令：,x=-6:0.01:6;,y=normpdf(x);z=normpdf(x,0,2);,plot(x,y,x,z),1密度函数,：,p=normpdf(x,mu,sigma),(当,mu,=0,sigma,=1时可缺省),To MATLAB(liti2),如对均值为mu、标准差为sigma的正态分布，举例如下：,11/26/2024,7,To MATLAB(liti3),3逆概率分布,：,x=norminv(P,mu,sigma).,即求出,x,，使得,P,X,50），按中心极限定理，它近似地,服从正态分布；,二、使用MATLAB工具箱中具有特定分布总体的估计命令.,（1）muhat,muci=expfit(,X,alpha),在显著性水平,alpha,下，求,指数分布的数据,X,的,均值的点估计及其区间估计.,（2）lambdahat,lambdaci=poissfit(,X,alpha),在显著性水平,alpha,下，求,泊松分布的数据,X,的参数的点估计及其区间估计.,（3）phat,pci=weibfit(,X,alpha),在显著性水平,alpha,下，求,Weibull分布的数据,X,的参数的点估计及其区间估计.,返回,11/26/2024,12,六、假设检验,在总体服从正态分布的情况下，可用以下命令进行假设检验.,1,总体方差,已知时，总体均值的检验使用,z,检验,h,sig,ci=ztest(x,m,sigma,alpha,tail),检验数据 x 的关于均值的某一假设是否成立，其中sigma 为已知方差，alpha 为显著性水平，究竟检验什么假设取决于 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”,tail的缺省值为 0，alpha的缺省值为 0.05.,返回值 h 为一个布尔值，h=1 表示可以拒绝假设，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.,11/26/2024,13,2,总体方差,未知时，总体均值的检验使用,t,检验,h,sig,ci=ttest(x,m,alpha,tail),检验数据 x 的关于均值的某一假设是否成立，其中alpha 为显著性水平，究竟检验什么假设取决于 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”,tail的缺省值为 0，alpha的缺省值为 0.05.,返回值 h 为一个布尔值，h=1 表示可以拒绝假设，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.,11/26/2024,14,3,两总体均值的假设检验,使用,t,检验,h,sig,ci=ttest2(x,y,alpha,tail),检验数据 x，y 的关于均值的某一假设是否成立，其中alpha 为显著性水平，究竟检验什么假设取决于 tail 的取值：,tail=0，检验假设“x 的均值等于 y 的均值”,tail=1，检验假设“x 的均值大于 y 的均值”,tail=-1，检验假设“x 的均值小于 y 的均值”,tail的缺省值为 0，alpha的缺省值为 0.05.,返回值 h 为一个布尔值，h=1 表示可以拒绝假设，h=0 表示不可以拒绝假设，sig 为假设成立的概率，ci 为与x与y均值差的的 1-alpha 置信区间.,11/26/2024,15,4,非参数检验：总体分布的检验,MATLAB,工具箱提供了两个对总体分布进行检验的命令:,（1）,h=normplot(x),（2）h=weibplot(x),此命令显示数据矩阵,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.而其它概率分布函数显示出曲线形态.,此命令显示数据矩阵,x,的,Weibull,概率图.如果数据来自于,Weibull,分布，则图形将显示出直线性形态.而其它概率分布函数将显示出曲线形态.,返回,11/26/2024,16,
展开阅读全文