Matlab常用统计与分布函数一览

"该文档是关于Matlab中常用函数的集合，涵盖了排序、数据导入、概率密度函数、统计量计算、参数估计、图形绘制以及聚类分析和线性模型等功能。" 在Matlab中，这些函数是数据分析和建模的重要工具，让我们逐一详细了解一下： 1. **排序函数sort**: 这个函数用于对数组或矩阵进行升序或降序排序，支持一维和多维数据。 2. **数据导入函数**： - `xlsread`: 用于从Excel文件中读取数据。 - `load`: 可以导入多种格式的数据，如exl、txt和mat文件，方便数据预处理。 3. **概率密度函数**： - `fndist`: f分布的概率密度函数，常用于比较两个方差的独立样本。 - `lognpdf`: 对数正态分布的概率密度函数，适用于数据呈现对数正态分布的情况。 - `nbinpdf`: 负二项分布的概率密度函数，用于表示试验直至出现r次成功的次数。 - `ncfpdf`: 非中心f分布的概率密度函数，扩展了f分布以包含非中心参数。 - `nctpdf`: 非中心t分布的概率密度函数，适用于有偏估计或小样本。 - `unidpdf`: 离散均匀分布的概率密度函数，每个值有相等的概率。 - `unifpdf`: 连续均匀分布的概率密度函数，定义在一个特定区间内的所有值具有相同概率。 - `weibpdf`: 威布尔分布的概率密度函数，常用于寿命分析和可靠性工程。 4. **统计量函数**： - `normstat`: f分布的累加函数，计算累积概率。 - `poisstat`: 与泊松分布相关的统计量。 - `raylstat`: 瑞利分布的统计量。 - `tstat`: 学生t分布的统计量。 - `unifstat`: 连续均匀分布的统计量。 - `weibstat`: 威布尔分布的统计量。 - `mle`: 极大似然估计，用于估计模型参数。 - `normlike`和`weiblike`: 分别是正态分布和威布尔分布的对数似然函数。 5. **数据分析函数**： - `cov`: 计算协方差矩阵，衡量变量之间的线性关系。 - `crosstab`: 创建交叉表格，分析数据间的关联。 - `geomean`: 计算几何平均数。 - `grpstats`: 组内统计量计算，如按类别计算均值、方差等。 - `harmmean`: 计算调和平均数。 - `iqr`: 内四分极值，用于衡量数据的离散程度。 - `kurtosis`: 峰度，评估数据分布的尖峰程度。 - `mad`: 中位数绝对偏差，一种稳健的度量标准差的方法。 - `mean`: 计算均值。 - `median`: 计算中值。 - `moment`: 计算矩，用于描述数据分布的形状。 - `Nanmean`, `nanmedian`: 包含缺失值的样本的均值和中值。 - `nanmin`: 包含缺失值的样本的最小值。 - `nanstd`: 包含缺失值的样本的标准差。 - `nansum`: 包含缺失值的样本的总和。 - `tabulate`: 统计并显示数据的频率。 - `trimmean`: 去除两端数据后计算的平均数，减少极端值的影响。 - `var`: 计算方差。 6. **图形绘制函数**： - `boxplot`: 箱形图，可视化数据的五数概括。 - `gname`: 在交互标注图中标注点。 - `gplotmatrix`: 绘制矩阵图，便于同时查看多个变量的关系。 - `gscatter`: 绘制带有第三变量的散点图。 - `lsline`: 在散点图上添加最小二乘拟合线。 - `normplot`: 正态概率图，检查数据是否符合正态分布。 - `rcoplot`: 残差个案次序图，评估模型残差的顺序。 - `refcurve`: 添加参考曲线。 - `refline`: 添加参考线。 - `surfht`: 交互等值线图，用于数据网格。 - `weibplot`: 威布尔分布图，用于可靠性分析。 7. **统计过程控制函数**： - `capable`: 评估过程能力。 - `normspec`: 正态规格限制，用于过程控制。 - `schart`: S图，监控过程稳定性。 - `xbarplot`: 平均值图，监控过程的均值变化。 - `xstdplot`: 标准差图，监控过程的分散程度。 8. **聚类分析函数**： - `clusterdata`: 数据聚类，将数据分为不同群组。 - `cophenet`: 计算Cophenetic距离，评估聚类结果的相似性。 - `dendrogram`: 树状图，展示聚类结构。 - `inconsistent`: 检测系统聚类的不一致性。 - `linkage`: 系统聚类方法，如单链接、完全链接等。 - `pdist`: 计算两两观测值之间的距离。 - `squareform`: 转换距离矩阵为平方形式。 - `zscore`: 计算Z分数，标准化数据。 9. **线性模型函数**： - `dummyvar`: 将分类变量转换为虚拟/哑变量。 - `friedman`: 实现Friedman检验，用于非参数重复测量设计。 - `glmfit`: 一般线性模型拟合，可以处理非线性关系。 以上是Matlab中一些常用的功能，它们在科学研究、工程分析、数据分析等多个领域都有广泛应用。了解和熟练掌握这些函数，能极大地提高工作效率和数据分析的准确性。