基本信息

• 商品名称：MATLAB数据分析方法(第2版普通高等院校计算机课程规划教材)
• 作者：编者:吴礼斌//李柏年
• 定价：39
• 出版社：机械工业
• ISBN号：9787111558507

其他参考信息（以实物为准）

• 出版时间：2017-02-01
• 印刷时间：2017-02-01
• 版次：2
• 印次：1
• 开本：16开
• 包装：平装
• 页数：240

内容提要

数据分析是用适当的统计方法对各种数据加以详 细研究和概括总结的过程，它已成为当代自然科学和 社会科学领域各个学科研究者 的知识。MATLAB是 一套高性能的数值计算和可视化软件，是实现数据分 析与处理的有效工具。吴礼斌、李柏年主编的 《MATLAB数据分析方法(第2版普通高等院校计算机课 程规划教材)》介绍数据分析的基本内容与方法，应 用MATLAB软件既面向对象又面向过程地编写实际数据 分析程序。全书共分7章，主要内容包括：MATLAB基 础、数据描述性分析、回归分析、判别分析、主成分 分析与典型相关分析、聚类分析、数值模拟分析。
     本书适用于计算机科学与技术、信息与计算科学 、统计学等专业本科生，还可作为相关专业本科生选 修课程教材，也可供硕士研究生以及科技工作者参考 。
    

作者简介

李柏年教授，曾任安徽财经大学信息与计算科学系副主任，统计与应用数学学院副院长(分管教学)。主讲“数据分析”“模糊数学”“多元统计”与“计量经济学”等课程；主编《基于MATLAB的数学实验》《模糊数学及其应用》《经济数据处理与优化模型实验教程》等教材；发表学术论文30余篇。 吴礼斌教授，硕士生导师，曾任数据分析实验室主任。长期从事教学工作。主讲“高等数学”“线性代数”“概率统计”“C语言程序设计”与“数据分析”等课程；主编《经济数学基础》《经济数学实验与建模》(第2版)等教材：发表学术论文20余篇。

目录

前言
教学建议
第1章　MATLAB基础
1.1　数据分析与MATLAB
1.1.1　数据分析概述
1.1.2　MATLAB在数据分析中的作用
1.2　MATLAB基础概述
1.2.1　MATLAB的影响
1.2.2　MATLAB的特点与主要功能
1.2.3　MATLAB主界面与常用窗口
1.2.4　MATLAB的联机帮助
1.2.5　工具箱及其在线帮助
1.3　MATLAB基本语法
1.3.1　数据类型
1.3.2　操作符与运算符
1.3.3　MATLAB命令函数
1.4　数组和矩阵运算
1.4.1　数组的创建与运算
1.4.2　矩阵的输入与运算
1.5　M文件与编程
1.5.1　M文件编辑/调试器窗口
1.5.2　M文件
1.5.3　控制语句的编程
1.6　MATLAB通用操作实例
习题1
第2章　数据描述性分析
2.1　基本统计量与数据可视化
2.1.1　一维样本数据的基本统计量
2.1.2　多维样本数据的统计量
2.1.3　样本数据可视化
2.2　数据分布及其检验
2.2.1　一维数据的分布与检验
2.2.2　多维数据的正态分布检验
2.3　数据变换
2.3.1　数据属性变换
2.3.2　Box-Cox变换
2.3.3　基于数据变换的综合评价模型
习题2
实验1　数据统计量及其分布检验
第3章　回归分析
3.1　一元回归模型
3.1.1　一元线性回归模型
3.1.2　一元多项式回归模型
3.1.3　一元非线性回归模型
3.1.4　一元回归建模实例
3.2　多元线性回归模型
3.2.1　多元线性回归模型及其表示
3.2.2　MATLAB的回归分析命令
3.2.3　多元线性回归实例
3.3　逐步回归
3.3.1　 优回归方程的选择
3.3.2　引入变量和剔除变量的依据
3.3.3　逐步回归的MATLAB实现
3.4　回归诊断
3.4.1　异常点与强影响点诊断
3.4.2　残差分析
3.4.3　多重共线性诊断
习题3
实验2　多元线性回归与逐步回归
第4章　判别分析
4.1　距离判别分析
4.1.1　判别分析的概念
4.1.2　距离的定义
4.1.3　两个总体的距离判别分析
4.1.4　多个总体的距离判别分析
4.2　判别准则的评价
4.3　贝叶斯判别分析
4.3.1　两个总体的贝叶斯判别
4.3.2　多个总体的贝叶斯判别
4.3.3　平均误判率
4.4　K近邻判别与支持向量机
习题4
实验3　距离判别与贝叶斯判别分析
第5章　主成分分析与典型相关分析
5.1　主成分分析
5.1.1　主成分分析的基本原理
5.1.2　样本主成分分析
5.2　主成分分析的应用
5.2.1　主成分分析用于综合评价
5.2.2　主成分分析用于分类
5.2.3　主成分分析用于信号分离
5.3　典型相关分析
5.3.1　典型相关分析的基本原理
5.3.2　样本的典型变量与典型相关系数
5.3.3　典型相关系数的显著性检验
5.3.4　典型相关分析实例
5.4　趋势性与属性相关分析应用实例
5.4.1　Cox-Stuart趋势检验
5.4.2　属性数据分析
习题5
实验4　主成分分析与典型相关分析
第6章　聚类分析
6.1　距离聚类
6.1.1　聚类的思想
6.1.2　样品间的距离
6.1.3　变量间的相似系数
6.1.4　类间距离与递推公式
6.2　谱系聚类
6.2.1　谱系聚类的思想
6.2.2　谱系聚类的步骤
6.2.3　谱系聚类的MATLAB实现
6.3　K均值聚类
6.3.1　K均值聚类的思想
6.3.2　K均值聚类的步骤
6.3.3　K均值聚类的MATLAB实现
6.4　模糊均值聚类
6.4.1　模糊C均值聚类
6.4.2　模糊减法聚类
6.5　聚类的有效性
6.5.1　谱系聚类的有效性
6.5.2　K均值聚类的有效性
6.5.3　模糊聚类的有效性
习题6
实验5　聚类方法与聚类有效性
第7章　数值模拟分析
7.1　蒙特卡罗方法与应用
7.1.1　蒙特卡罗方法的基本思想
7.1.2　随机数的产生与MATLAB的伪随机数
7.1.3　蒙特卡罗方法应用实例
7.2　BP神经网络及应用
7.2.1　人工神经元及人工神经元网络
7.2.2　BP神经网络
7.2.3　MATLAB神经网络工具箱
7.2.4　BP神经网络应用实例
习题7
实验6　数值模拟
参考文献