MATLAB 中的统计方法
查看时间表并报名课程详细信息
本课程提供使用 MATLAB® 和 Statistics and Machine Learning Toolbox™ 执行统计数据分析的实践经验。课程中的示例和练习演示了如何在整个分析过程中使用相应的 MATLAB 和 Statistics and Machine Learning Toolbox 功能，包括导入和组织数据、探索性分析、验证性分析和仿真。
主题包括：
- 管理数据
- 计算概要统计
- 可视化数据
- 拟合分布
- 执行显著性检验
- 执行方差分析
- 拟合回归模型
- 化简数据集
- 产生随机数和进行仿真
本课程经 GARP 认证，可记为14个 GARP CPD 学时。如果您具有 FRM 或 ERP 认证，请访问 将该活动记录在您的学分系统中。
第1天 (共2天)
导入和组织数据
目标: 向 MATLAB 中导入并组织数据用于分析。执行常见任务，如合并数据和处理缺失数据。
- 导入数据
- 数据类型
- 表格类数据
- 数据合并
- 分类数据
- 缺失数据处理
探索数据
目标: 介绍如何对数据集进行基本的统计分析，包括可视化和概要统计分析。
- 绘图
- 集中趋势
- 散度
- 形态
- 相关性
- 数据分组
分布
目标: 研究不同的概率分布，对给定的数据集拟合一个分布。使用随机数评估模型的不确定度或敏感度，或进行仿真。生成符合不同分布的随机数，管理 MATLAB 随机数生成算法。
- 概率分布
- 分布参数
- 比较和拟合分布
- 非参数化拟合
- 自举和仿真
- 标准分布随机数
- 任意分布随机数
- 控制随机数生成算法
第2天 (共2天)
假设检验
目标: 判断对数据集的假设是否准确。假设检验的常见应用，例如比较两个分布，确定样本均值置信区间等。
- 假设检验
- 正态分布检验
- 非正态分布检验
方差分析
目标: 比较多组数据的样本均值，找到数据组之间的显著性差异。
- 多种比较
- 单因素 ANOVA（方差分析）
- 多因素方差分析
- MANOVA（多元方差分析）
- 非正态方差分析
- 分类相关性
回归
目标: 对数据集进行线性和非线性拟合预测性建模。介绍提高模型质量的方法。通过降维简化高维数据集。
- 线性回归模型
- 数据线性拟合
- 评估拟合
- 调整模型
- 逻辑回归和广义线性回归
- 非线性回归
- 特征变换
- 特征选择
