MATLAB数据分析方法（第2版）

　　数据分析方法就是解决大数据分析与应用的重要方法，已成为自然科学和社会科学各个学科研究者必备的知识。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。全书共分7章，主要内容包括：MATLAB软件简介，数据处理的基本方法、回归模型、判别分析、主成分分析与典型相关分析、聚类分析、数据模拟方法、应用神经网络进行模式识别和预测。此外，每章除了习题还安排了紧密联系实际的综合性、分析性实验内容。

　　安徽财经大学统计与应用数学学院信息与计算科学系教授，曾任数据分析实验室主任。主讲课程：高等数学，经济数学基础，概率论与数理统计，线性代数，MATLAB数学建模与实验，C语言程序设计，时间序列分析等。研究领域：数理统计，金融数据计量分析。

目录
前言
教学建议
第1章　MATLAB基础1
　1.1　数据分析与MATLAB1
　　1.1.1　数据分析概述1
　　1.1.2　MATLAB在数据分析中的作用2
　1.2　MATLAB基础概述3
　　1.2.1　MATLAB的影响3
　　1.2.2　MATLAB的特点与主要功能3
　　1.2.3　MATLAB主界面与常用窗口4
　　1.2.4　MATLAB的联机帮助7
　　1.2.5　工具箱及其在线帮助8
　1.3　MATLAB基本语法10
　　1.3.1　数据类型10
　　1.3.2　操作符与运算符12
　　1.3.3　MATLAB命令函数14
　1.4　数组和矩阵运算14
　　1.4.1　数组的创建与运算14
　　1.4.2　矩阵的输入与运算15
　1.5　M文件与编程20
　　1.5.1　M文件编辑/调试器窗口20
　　1.5.2　M文件21
　　1.5.3　控制语句的编程22
　1.6　MATLAB通用操作实例25
　习题128
第2章　数据描述性分析29
　2.1　基本统计量与数据可视化29
　　2.1.1　一维样本数据的基本统计量29
　　2.1.2　多维样本数据的统计量36
　　2.1.3　样本数据可视化39
　2.2　数据分布及其检验45
　　2.2.1　一维数据的分布与检验45
　　2.2.2　多维数据的正态分布检验48
　2.3　数据变换52
　　2.3.1　数据属性变换52
　　2.3.2　Box-Cox变换55
　　2.3.3　基于数据变换的综合评价模型57
　习题259
　实验1　数据统计量及其分布检验61
第3章　回归分析63
　3.1　一元回归模型63
　　3.1.1　一元线性回归模型63
　　3.1.2　一元多项式回归模型67
　　3.1.3　一元非线性回归模型69
　　3.1.4　一元回归建模实例76
　3.2　多元线性回归模型79
　　3.2.1　多元线性回归模型及其表示79
　　3.2.2　MATLAB的回归分析命令82
　　3.2.3　多元线性回归实例89
　3.3　逐步回归92
　　3.3.1　最优回归方程的选择92
　　3.3.2　引入变量和剔除变量的依据93
　　3.3.3　逐步回归的MATLAB实现94
　3.4　回归诊断96
　　3.4.1　异常点与强影响点诊断96
　　3.4.2　残差分析100
　　3.4.3　多重共线性诊断102
　习题3106
　实验2　多元线性回归与逐步回归110
第4章　判别分析111
　4.1　距离判别分析111
　　4.1.1　判别分析的概念111
　　4.1.2　距离的定义111
　　4.1.3　两个总体的距离判别分析114
　　4.1.4　多个总体的距离判别分析119
　4.2　判别准则的评价121
　4.3　贝叶斯判别分析124
　　4.3.1　两个总体的贝叶斯判别124
　　4.3.2　多个总体的贝叶斯判别128
　　4.3.3　平均误判率130
　4.4　K近邻判别与支持向量机135
　习题4141
　实验3　距离判别与贝叶斯判别分析145
第5章　主成分分析与典型相关分析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　样本主成分分析154
　5.2　主成分分析的应用158
　　5.2.1　主成分分析用于综合评价158
　　5.2.2　主成分分析用于分类161
　　5.2.3　主成分分析用于信号分离163
　5.3　典型相关分析166
　　5.3.1　典型相关分析的基本原理166
　　5.3.2　样本的典型变量与典型相关系数169
　　5.3.3　典型相关系数的显著性检验170
　　5.3.4　典型相关分析实例172
　5.4　趋势性与属性相关分析应用实例177
　　5.4.1　Cox-Stuart趋势检验177
　　5.4.2　属性数据分析178
　习题5180
　实验4　主成分分析与典型相关分析184
第6章　聚类分析187
　6.1　距离聚类187
　　6.1.1　聚类的思想187
　　6.1.2　样品间的距离188
　　6.1.3　变量间的相似系数190
　　6.1.4　类间距离与递推公式192
　6.2　谱系聚类193
　　6.2.1　谱系聚类的思想193
　　6.2.2　谱系聚类的步骤194
　　6.2.3　谱系聚类的MATLAB实现196
　6.3　K均值聚类200
　　6.3.1　K均值聚类的思想200
　　6.3.2　K均值聚类的步骤200
　　6.3.3　K均值聚类的MATLAB实现201
　6.4　模糊均值聚类203
　　6.4.1　模糊C均值聚类203
　　6.4.2　模糊减法聚类205
　6.5　聚类的有效性207
　　6.5.1　谱系聚类的有效性207
　　6.5.2　K均值聚类的有效性209
　　6.5.3　模糊聚类的有效性211
　习题6212
　实验5　聚类方法与聚类有效性215
第7章　数值模拟分析217
　7.1　蒙特卡罗方法与应用217
　　7.1.1　蒙特卡罗方法的基本思想217
　　7.1.2　随机数的产生与MATLAB的伪随机数218
　　7.1.3　蒙特卡罗方法应用实例219
　7.2　BP神经网络及应用227
　　7.2.1　人工神经元及人工神经元网络227
　　7.2.2　BP神经网络228
　　7.2.3　MATLAB神经网络工具箱230
　　7.2.4　BP神经网络应用实例232
　习题7239
　实验6　数值模拟240
参考文献241