当前位置:   article > 正文

常用统计建模方法与MATLAB求解_matlab ecdf

matlab ecdf

MATLAB中描述统计量的函数 

函数名说明函数名说明
max最大值partialcorr线性偏相关系数
min最小值moment中心矩
nanmax忽略缺失值的样本最大值kurtosis峰度
nanmin忽略缺失值的样本最小值skewness偏度
sum样本和prctile百分位数
nansum忽略缺失值的样本和iqr内4分位极差
mean样本均值quantile分位数
nanmean忽略缺失值的样本均值mode众数
median中位数range极差
nanmedian忽略缺失值的样本中位数geomean几何平均值
std样本标准差harmmean调和平均值
nanstd忽略缺失值的样本标准差trimmean截尾均值
var样本方差mad绝对偏差的均值或中位数
nanvar忽略缺失值的样本tabulate频率分布表
cov协方差矩阵grpstats分组统计量
nancov忽略缺失值的样本协方差矩阵crosstab列联表
corr线性相关系数jackknifejackknife统计量
corrcoef线性相关系数bootstrpbootstrp统计量

1、频数分布直方图

MATLAB中使用ecdfhist 函数和hist 函数。

2、正态概率图

MATLAB中提供函数 normplot 绘制正态概率图。

3、分组散点图

gscatter 函数

4、参数估计

在实际问题中,为了进行某些统计推断,需要用样本观测数据对总体分布的未知参数进行估计。例如某门课程的考试成绩服从正态分布则其中的参数就需要去通过样本数据进行估计。

  1. x = [15.41 14.81 15.11 15.26 15.08 15.17 15.12 14.95 15.05 14.87];
  2. [muhat,sigmahat,muci,sigmaci] = normfit(x,0.1)

 MATLAB可用mle 函数请根据样本观测值求指定分布参数的最大似然估计值和置信区间

[mu_sigma,mu_sigma_ci] = mle(x,'distribution','norm','alpha',0.1)

自定义分布的参数估计,用mle 函数

正态总体参数的假设性检验

函数

ztest
ttest
ttest2
vartest
vartest2

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/你好赵伟/article/detail/67137
推荐阅读
相关标签
  

闽ICP备14008679号