描述性统计的matlab实现

描述性统计的matlab实现

理论讲的再多不会做也白弄

直接上手

一.针对接近正态分布的(均值,方差,标准差,极差,变异系数,偏度,峰度)

这里我必须提前说明一点就是,你在写好函数后,函数的名是dts,你保存的文件名也必须是dts.m才行,这样调用dts()函数的时候才不会出现错。

 
x=[ 1 2 0/0 4 5 6]
function dts(x);
a = x(:); nans = isnan(a); ind = find (nans); %nan是0/0. a(ind)=[]; xbar= mean(a); disp(['均值是:',num2str(xbar)]); s2 = var(a); disp(['方差是:',num2str(s2)]); s = std(a); disp(['标准差是:',num2str(s)]);%数据里必须是元素的类型一样,所以要有num2str()函数转一下。 R = range(a); disp(['极差是:',num2str(R)]); cv = 100*s./xbar;%它是一个相对的数且没有量纲,所以更具有说明性。 disp(['变异系数是:',num2str(cv)]); g1 = skewness(a,0); disp(['偏度:',num2str(g1)]); g2=kurtosis(a,0); disp(['峰度',num2str(g2)]);
 

二.针对 有极端值(中位数,上下四分位数,四分位极差,三均值,上下截断点)

 
function fws(x)
a = x(:);
a(isnan(a))=[];
ss5 = prctile(a,50);
disp(['中位数是:',num2str(ss5)]);
ss25 = prctile(a,25);
disp(['下四分位数是:',num2str(ss25)]);
ss75 = prctile(a,75);
disp(['上四分位数是:',num2str(ss75)]);
RS = ss75-ss25;
disp(['四分位极差:',num2str(RS)]);
sss = 0.25*ss25+0.5*ss50+0.25*ss75;
disp('三均值:',num2str(sss));
 

三.用样本的分布描述总体的matlab

 茎叶图:

 
a=[10 20 10;54 56 78]
a=a(:)
b=a-mod(a,10);
b=unique(b);
b=sort(b);
N=length(b);
for k=1:N
    tmp=b(k);
    TT=sort(a');
    TT(TT<tmp)=[];
    TT(TT>tmp+10)=[];
    ts=mat2str(mod(TT,10));
    ts(ts=='[')=[];
    ts(ts==']')=[];
    disp([int2str(tmp),'   :   ',ts])
end
    
 

 经验分布函数图

 
X=[12,3,5,6;4,5,6,7];
X=X(:)'
X=sort(X)
n=length(X)
m=size(X)%写这一步是为了比较length 和 size两个函数的不同
xsui=ones(size(X))
B=cumsum(xsui)
B=B/n
x1=min(X)-(max(X)-min(X))*0.1
xr=max(X)+(max(X)-min(X))*0.1
x=[x1,X,xr]
y=[0,B,1]
h=stairs(x,y)
set(h,'linewidth',2,'color','k')
xlabel('x')
ylabel('F(x)')
grid on
axis([x1,xr,-0.05,1.05])
title('经验分布函数')
 

 

出处:http://www.cnblogs.com/zhengtaodoit/p/4933958.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请联系我们举报,一经查实,本站将立刻删除。

发布者:全栈程序员-站长,转载请注明出处:https://javaforall.net/119597.html原文链接:https://javaforall.net

(0)
全栈程序员-站长的头像全栈程序员-站长


相关推荐

  • 测试数据增强_预测模型最佳cutoff值

    测试数据增强_预测模型最佳cutoff值cutout是2017年提出的一种数据增强方法,想法比较简单,即在训练时随机裁剪掉图像的一部分,也可以看作是一种类似dropout的正则化方法。ImprovedRegularizationofConvolutionalNeuralNetworkswithCutoutpaper:https://arxiv.org/pdf/1708.04552.pdfcode:https://github.com/uoguelph-mlrg/Cutoutcutout采用的操作是随机裁剪掉图像中..

    2022年9月25日
    0
  • mysql字符串截取拼接_mybatis截取字符串

    mysql字符串截取拼接_mybatis截取字符串用法:1.substring(str,pos)例子:str是被操作的字符串,pos表示是从哪个位置开始。如果pos为正,则下标从左到右从1开始记。如果pos为负,则下标从右到左从-1开始记。2.substring(strfrompos)例子:与1的用法相同,但是逗号变为from。3.substring(str,pos,len)例子:str是被操作的字符串,pos表示是从哪个位置开始。如果pos为正,则下标从左到右从1开始记。如果pos为负,则下

    2022年10月2日
    0
  • k8s(六)k8s生命周期和调度[通俗易懂]

    k8s(六)k8s生命周期和调度[通俗易懂]k8s概述创建和终止初始化容器钩子函数容器探测重启策略概述• 我们一般将Pod对象从创建到终止的这段时间范围称为Pod的生命周期,它主要包含下面的过程:Pod创建过程。运行初始化容器(init container)过程。运行主容器(main container):容器启动后钩子(post start)、容器终止前钩子(pre stop)。容器的存活性探测(liveness probe)、就绪性探测(readiness probe)。Pod终止过程。在整个生命周期中,Pod会出

    2022年8月9日
    4
  • 大数据——数据流式处理「建议收藏」

    大数据——数据流式处理「建议收藏」一、概念大数据中包含两种处理方式:流处理和批处理。流处理:即流式处理。流式处理假设数据的潜在价值是数据的新鲜度,需要尽快处理得到结果。在这种方式下,数据以流的方式到达。在数据连续到达的过程中,由于流携带了大量数据,只有小部分的流数据被保存在有限的内存中。流处理方式用于在线应用,通常工作在秒或毫秒级别。 批处理:批处理方式中,数据首先被存储,然后再分析。MapReduce是非常重要的…

    2022年5月23日
    203
  • 详解Java线程池参数

    详解Java线程池参数详解线程池参数目前线程池的类一般使用spring的:org.springframework.scheduling.concurrent.ThreadPoolTaskExecutorJDK的:java.util.concurrent.ThreadPoolExecutor它们的配置差不多,spring的做了一些配置参数的简化,最终调用JDK的API参考资料:https://blog.c…

    2022年6月5日
    26
  • java getmethod 找不到方法_java.math.bigdecimal

    java getmethod 找不到方法_java.math.bigdecimal对应的getXXX()方法MethodgetMethod=classType.getMethod(getMethodName,newClass[]{});//获得和属性对应的setXXX()方法MethodsetMethod=class……();Classc=t.getClass();Classs=c.getSuperclass();如果你在编译…

    2022年9月24日
    0

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号