基于MATLAB的试验设计和数据处理

8.5.5 实现判别分析的MATLAB函数

8.5.4 贝叶斯（Bayes）判别法

8.5.3 Fisher判别法

8.5.2 距离判别法

8.5.1 判别分析的基本思想

8.5 判别分析

8.4.2 实现模糊C均值聚类的MATLAB函数

8.4.1 C均值聚类法的基本思想

8.4 模糊C均值聚类法

8.3.2 实现K-均值聚类的函数

8.3.1 K-均值聚类法的基本思想

8.3 K-均值聚类法

8.2.3 系统聚类应用举例

8.2.2 实现系统聚类的MATLAB函数

8.2.1 系统聚类法的基本思想

8.2 系统聚类法

8.1 聚类分析概述

第8章 聚类分析

7.5.6 其他表现形式的回归分析

7.5.5 指数回归分析

7.5.4 幂函数回归分析

7.5.3 对数回归分析

7.5.2 非线性回归分析的MATLAB实现

7.5.1 多项式回归分析

7.5 一元非线性回归分析

7.4.3 多元线性回归分析的MATLAB实现

7.4.2 多元线性回归的系数估计

7.4.1 多元线性回归的基本原理

7.4 多元线性回归分析

7.3.2 一元或多重线性回归分析

7.3.1 多重线性或广义线性回归分析

7.3 一元线性回归分析的MATLAB实现

7.2.4 回归预测模型的预测和置信区间计算

7.2.3 线性回归模型检验

7.2.2 线性回归系数估计

7.2.1 线性回归分析的模型

7.2 一元线性回归分析

7.1.3 稳健拟合

7.1.2 非线性最小二乘拟合

7.1.1 曲线拟合

7.1 拟合

第7章 数据拟合和回归分析

6.5.2 Friedman（弗里德曼）检验

6.5.1 Kruskal-Wallis非参数方差分析

6.5 非参数方差分析

6.4 单因素多元方差分析

6.3 多因素方差分析及MATLAB实现

6.2.4 重复的双因素方差分析的应用举例

6.2.3 重复的双因素方差分析的基本原理

6.2.2 无重复的双因素方差分析的应用举例

6.2.1 无重复的双因素方差分析的基本原理

6.2 双因素方差分析

6.1.3 单因素方差分析的应用举例

6.1.2 单因素一元方差的MATLAB实现

6.1.1 单因素方差分析的基本原理

6.1 单因素方差分析原理及实例

第6章 方差分析

5.4.7 中值检验

5.4.6 秩和检验

5.4.5 符号检验

5.4.4 Lilliefors检验

5.4.3 Kolmogorov-Smirnov检验

5.4.2 Jarque-Bera检验

5.4.1 χ2检验法

5.4 分布检验

5.3.2 两个正态总体方差的检验（F检验法）

5.3.1 两个正态总体均值的检验（t检验法）

5.3 两个正态总体的假设检验

5.2.3 总体标准差未知的单个正态总体方差的χ2检验

5.2.2 总体标准差未知的单个正态总体均值的t检验

5.2.1 总体标准差已知的单个正态总体均值的U检验

5.2 单个正态总体的检验

5.1.5 假设检验与区间估计的关系

5.1.4 假设检验错误与势函数

5.1.3 P值法

5.1.2 假设检验的步骤

5.1.1 假设检验概述

5.1 假设检验的基本思想

第5章 假设检验

4.4.2 常用的核函数

4.4.1 核密度估计基本思想

4.4 核密度估计

4.3.4 区间估计的MATLAB函数

4.3.3 单侧置信区间

4.3.2 总体均值区间估计的基本内容

4.3.1 区间估计的概念

4.3 区间估计

4.2.3 估计量的性能分析

4.2.2 极大似然估计法

4.2.1 矩估计法

4.2 点估计

4.1 参数估计的基本内容

第4章 参数估计

3.4.3 方差分析的GUI工具

3.4.2 多项式函数拟合的GUI工具

3.4.1 概率分布函数的GUI工具

3.4 MATLAB统计处理工具GUI

3.3.2 数据极差变换

3.3.1 数据标准化变换

3.3 数据标准化变换与极差变换

3.2.3 medfilt1（）函数

3.2.2 smooths（）函数

3.2.1 smooth（）函数

3.2 数据平滑处理

3.1.6 误差条图

3.1.5 QQ图

3.1.4 散度图

3.1.3 帕累托图

3.1.2 直方图

3.1.1 盒状图

3.1 统计图的绘制

第3章 数据处理和统计绘图

2.3.2 中心极限定理

2.3.1 大数定理

2.3 极限理论

2.2.12 t分布

2.2.11 F分布

2.2.10 χ2分布

2.2.9 Γ分布

2.2.8 瑞利分布

2.2.7 beta分布

2.2.6 均匀分布

2.2.5 指数分布

2.2.4 正态分布与标准正态分布

2.2.3 泊松分布

2.2.2 二项分布

2.2.1 随机分布

2.2 变量及概率统计分布

2.1.7 相关系数

2.1.6 协方差

2.1.5 峰值

2.1.4 偏斜度

2.1.3 数据比较

2.1.2 方差和标准差

2.1.1 数学期望

2.1 随机变量的数字特征

第2章 数理统计基础

1.4.2 演示系统

1.4.1 帮助命令

1.4 MATLAB帮助系统

1.3.6 文件的使用

1.3.5 基本函数

1.3.4 数组

1.3.3 运算符

1.3.2 数据类型

1.3.1 常量与变量

1.3 MATLAB的基本使用

1.2.3 MATLAB界面窗口介绍

1.2.2 MATLAB R2012b界面介绍

1.2.1 MATLAB R2012b的启动和退出

1.2 MATLAB R2012b的用户界面

1.1.2 MATLAB常用工具箱介绍

1.1.1 MATLAB的特点

1.1 认识MATLAB

第1章 MATLAB基础知识

前言

内容简介

版权信息

封面

封面

版权信息

内容简介

前言

第1章 MATLAB基础知识

1.1 认识MATLAB

1.1.1 MATLAB的特点

1.1.2 MATLAB常用工具箱介绍

1.2 MATLAB R2012b的用户界面

1.2.1 MATLAB R2012b的启动和退出

1.2.2 MATLAB R2012b界面介绍

1.2.3 MATLAB界面窗口介绍

1.3 MATLAB的基本使用

1.3.1 常量与变量

1.3.2 数据类型

1.3.3 运算符

1.3.4 数组

1.3.5 基本函数

1.3.6 文件的使用

1.4 MATLAB帮助系统

1.4.1 帮助命令

1.4.2 演示系统

第2章 数理统计基础

2.1 随机变量的数字特征

2.1.1 数学期望

2.1.2 方差和标准差

2.1.3 数据比较

2.1.4 偏斜度

2.1.5 峰值

2.1.6 协方差

2.1.7 相关系数

2.2 变量及概率统计分布

2.2.1 随机分布

2.2.2 二项分布

2.2.3 泊松分布

2.2.4 正态分布与标准正态分布

2.2.5 指数分布

2.2.6 均匀分布

2.2.7 beta分布

2.2.8 瑞利分布

2.2.9 Γ分布

2.2.10 χ2分布

2.2.11 F分布

2.2.12 t分布

2.3 极限理论

2.3.1 大数定理

2.3.2 中心极限定理

第3章 数据处理和统计绘图

3.1 统计图的绘制

3.1.1 盒状图

3.1.2 直方图

3.1.3 帕累托图

3.1.4 散度图

3.1.5 QQ图

3.1.6 误差条图

3.2 数据平滑处理

3.2.1 smooth（）函数

3.2.2 smooths（）函数

3.2.3 medfilt1（）函数

3.3 数据标准化变换与极差变换

3.3.1 数据标准化变换

3.3.2 数据极差变换

3.4 MATLAB统计处理工具GUI

3.4.1 概率分布函数的GUI工具

3.4.2 多项式函数拟合的GUI工具

3.4.3 方差分析的GUI工具

第4章 参数估计

4.1 参数估计的基本内容

4.2 点估计

4.2.1 矩估计法

4.2.2 极大似然估计法

4.2.3 估计量的性能分析

4.3 区间估计

4.3.1 区间估计的概念

4.3.2 总体均值区间估计的基本内容

4.3.3 单侧置信区间

4.3.4 区间估计的MATLAB函数

4.4 核密度估计

4.4.1 核密度估计基本思想

4.4.2 常用的核函数

第5章 假设检验

5.1 假设检验的基本思想

5.1.1 假设检验概述

5.1.2 假设检验的步骤

5.1.3 P值法

5.1.4 假设检验错误与势函数

5.1.5 假设检验与区间估计的关系

5.2 单个正态总体的检验

5.2.1 总体标准差已知的单个正态总体均值的U检验

5.2.2 总体标准差未知的单个正态总体均值的t检验

5.2.3 总体标准差未知的单个正态总体方差的χ2检验

5.3 两个正态总体的假设检验

5.3.1 两个正态总体均值的检验（t检验法）

5.3.2 两个正态总体方差的检验（F检验法）

5.4 分布检验

5.4.1 χ2检验法

5.4.2 Jarque-Bera检验

5.4.3 Kolmogorov-Smirnov检验

5.4.4 Lilliefors检验

5.4.5 符号检验

5.4.6 秩和检验

5.4.7 中值检验

第6章 方差分析

6.1 单因素方差分析原理及实例

6.1.1 单因素方差分析的基本原理

6.1.2 单因素一元方差的MATLAB实现

6.1.3 单因素方差分析的应用举例

6.2 双因素方差分析

6.2.1 无重复的双因素方差分析的基本原理

6.2.2 无重复的双因素方差分析的应用举例

6.2.3 重复的双因素方差分析的基本原理

6.2.4 重复的双因素方差分析的应用举例

6.3 多因素方差分析及MATLAB实现

6.4 单因素多元方差分析

6.5 非参数方差分析

6.5.1 Kruskal-Wallis非参数方差分析

6.5.2 Friedman（弗里德曼）检验

第7章 数据拟合和回归分析

7.1 拟合

7.1.1 曲线拟合

7.1.2 非线性最小二乘拟合

7.1.3 稳健拟合

7.2 一元线性回归分析

7.2.1 线性回归分析的模型

7.2.2 线性回归系数估计

7.2.3 线性回归模型检验

7.2.4 回归预测模型的预测和置信区间计算

7.3 一元线性回归分析的MATLAB实现

7.3.1 多重线性或广义线性回归分析

7.3.2 一元或多重线性回归分析

7.4 多元线性回归分析

7.4.1 多元线性回归的基本原理

7.4.2 多元线性回归的系数估计

7.4.3 多元线性回归分析的MATLAB实现

7.5 一元非线性回归分析

7.5.1 多项式回归分析

7.5.2 非线性回归分析的MATLAB实现

7.5.3 对数回归分析

7.5.4 幂函数回归分析

7.5.5 指数回归分析

7.5.6 其他表现形式的回归分析

第8章 聚类分析

8.1 聚类分析概述

8.2 系统聚类法

8.2.1 系统聚类法的基本思想

8.2.2 实现系统聚类的MATLAB函数

8.2.3 系统聚类应用举例

8.3 K-均值聚类法

8.3.1 K-均值聚类法的基本思想

8.3.2 实现K-均值聚类的函数

8.4 模糊C均值聚类法

8.4.1 C均值聚类法的基本思想

8.4.2 实现模糊C均值聚类的MATLAB函数

8.5 判别分析

8.5.1 判别分析的基本思想

8.5.2 距离判别法

8.5.3 Fisher判别法

8.5.4 贝叶斯（Bayes）判别法

8.5.5 实现判别分析的MATLAB函数