《MATLAB數據分析方法》共7章，其中，第1章對MATLAB軟件功能及使用方法進行了介紹，包括軟件的基本界面、數據矩陣及運算、程序的編寫與文件操作等。第2章介紹了數據描述性分析，包括基本統(tǒng)計量與數據可視化、數據分布及檢驗、數據變換。第3章介紹了回歸分析，包括一元回歸模型、多元線性回歸模型與逐步回歸。第4章介紹了判別分析，包括距離判別分析、Bayes判別分析等。第5章介紹了主成分分析與典型相關分析，注重主成分分析實際應用典型案例的介紹。第6章介紹了聚類分析，包括距離聚類、譜系聚類與K均值聚類、模糊均值聚類等。第7章介紹了數值模擬分析，包括蒙特卡羅方法與應用、BP神經網絡及應用。

目錄
 

前言
教學建議
第1章　MATLAB基礎1
1.1　數據分析與MATLAB1
1.1.1　數據分析概述1
1.1.2　MATLAB在數據分析中的作用2
1.2　MATLAB基礎概述3
1.2.1　MATLAB的影響3
1.2.2　MATLAB的特點與主要功能3
1.2.3　MATLAB主界面與常用窗口4
1.2.4　MATLAB的聯(lián)機幫助7
1.2.5　工具箱及其在線幫助8
1.3　MATLAB基本語法10
1.3.1　數據類型10
1.3.2　操作符與運算符12
1.3.3　MATLAB命令函數14
1.4　數組和矩陣運算14
1.4.1　數組的創(chuàng)建與運算14
1.4.2　矩陣的輸入與運算15
1.5　M文件與編程20
1.5.1　M文件編輯/調試器窗口20
1.5.2　M文件21
1.5.3　控制語句的編程22
1.6　MATLAB通用操作實例25
習題128
第2章　數據描述性分析29
2.1　基本統(tǒng)計量與數據可視化29
2.1.1　一維樣本數據的基本統(tǒng)計量29
2.1.2　多維樣本數據的統(tǒng)計量36
2.1.3　樣本數據可視化39
2.2　數據分布及其檢驗45
2.2.1　一維數據的分布與檢驗45
2.2.2　多維數據的正態(tài)分布檢驗48
2.3　數據變換52
2.3.1　數據屬性變換52
2.3.2　Box-Cox變換55
2.3.3　基于數據變換的綜合評價模型57
習題259
實驗1　數據統(tǒng)計量及其分布檢驗61
第3章　回歸分析63
3.1　一元回歸模型63
3.1.1　一元線性回歸模型63
3.1.2　一元多項式回歸模型67
3.1.3　一元非線性回歸模型69
3.1.4　一元回歸建模實例76
3.2　多元線性回歸模型79
3.2.1　多元線性回歸模型及其表示79
3.2.2　MATLAB的回歸分析命令82
3.2.3　多元線性回歸實例89
3.3　逐步回歸92
3.3.1　最優(yōu)回歸方程的選擇92
3.3.2　引入變量和剔除變量的依據93
3.3.3　逐步回歸的MATLAB實現(xiàn)94
3.4　回歸診斷96
3.4.1　異常點與強影響點診斷96
3.4.2　殘差分析100
3.4.3　多重共線性診斷102
習題3106
實驗2　多元線性回歸與逐步回歸110
第4章　判別分析111
4.1　距離判別分析111
4.1.1　判別分析的概念111
4.1.2　距離的定義111
4.1.3　兩個總體的距離判別分析114
4.1.4　多個總體的距離判別分析119
4.2　判別準則的評價121
4.3　貝葉斯判別分析124
4.3.1　兩個總體的貝葉斯判別124
4.3.2　多個總體的貝葉斯判別128
4.3.3　平均誤判率130
4.4　K近鄰判別與支持向量機135
習題4141
實驗3　距離判別與貝葉斯判別分析145
第5章　主成分分析與典型相關分析147
5.1　主成分分析147
5.1.1　主成分分析的基本原理147
5.1.2　樣本主成分分析154
5.2　主成分分析的應用158
5.2.1　主成分分析用于綜合評價158
5.2.2　主成分分析用于分類161
5.2.3　主成分分析用于信號分離163
5.3　典型相關分析166
5.3.1　典型相關分析的基本原理166
5.3.2　樣本的典型變量與典型相關系數169
5.3.3　典型相關系數的顯著性檢驗170
5.3.4　典型相關分析實例172
5.4　趨勢性與屬性相關分析應用實例177
5.4.1　Cox-Stuart趨勢檢驗177
5.4.2　屬性數據分析178
習題5180
實驗4　主成分分析與典型相關分析184
第6章　聚類分析187
6.1　距離聚類187
6.1.1　聚類的思想187
6.1.2　樣品間的距離188
6.1.3　變量間的相似系數190
6.1.4　類間距離與遞推公式192
6.2　譜系聚類193
6.2.1　譜系聚類的思想193
6.2.2　譜系聚類的步驟194
6.2.3　譜系聚類的MATLAB實現(xiàn)196
6.3　K均值聚類200
6.3.1　K均值聚類的思想200
6.3.2　K均值聚類的步驟200
6.3.3　K均值聚類的MATLAB實現(xiàn)201
6.4　模糊均值聚類203
6.4.1　模糊C均值聚類203
6.4.2　模糊減法聚類205
6.5　聚類的有效性207
6.5.1　譜系聚類的有效性207
6.5.2　K均值聚類的有效性209
6.5.3　模糊聚類的有效性211
習題6212
實驗5　聚類方法與聚類有效性215
第7章　數值模擬分析217
7.1　蒙特卡羅方法與應用217
7.1.1　蒙特卡羅方法的基本思想217
7.1.2　隨機數的產生與MATLAB的偽隨機數218
7.1.3　蒙特卡羅方法應用實例219
7.2　BP神經網絡及應用227
7.2.1　人工神經元及人工神經元網絡227
7.2.2　BP神經網絡228
7.2.3　MATLAB神經網絡工具箱230
7.2.4　BP神經網絡應用實例232
習題7239
實驗6　數值模擬240
參考文獻241