Matlab数理统计工具箱常用函数命令大全
Matlab数理统计工具箱应用简介
1．概述
Matlab的数理统计工具箱是Matlab工具箱中较为简单的一个，其牵扯的数学知识是大家都很熟悉的数理统计，因此在本文中，我们将不再对数理统计的知识进行重复，仅仅列出数理统计工具箱的一些函数，这些函数的意义都很明确，使用也很简单，为了进一步简明，本文也仅仅给出了函数的名称，没有列出函数的参数以及使用方法，大家只需简单的在Matlab工作空间中输入“help 函数名”，便可以得到这些函数详细的使用方法。
2．参数估计
betafit 区间
3．累积分布函数
betacdf β累积分布函数
binocdf 二项累积分布函数
cdf 计算选定的累积分布函数
chi2cdf 累积分布函数2χ
expcdf 指数累积分布函数
fcdf F累积分布函数
gamcdf γ累积分布函数
geocdf 几何累积分布函数
hygecdf 超几何累积分布函数
logncdf 对数正态累积分布函数
nbincdf 负二项累积分布函数
ncfcdf 偏F累积分布函数
nctcdf 偏t累积分布函数
ncx2cdf 偏累积分布函数2χ
normcdf 正态累积分布函数
poisscdf 泊松累积分布函数
raylcdf Reyleigh累积分布函数
tcdf t 累积分布函数
unidcdf 离散均匀分布累积分布函数
unifcdf 连续均匀分布累积分布函数
weibcdf Weibull累积分布函数
4．概率密度函数
betapdf β概率密度函数
binopdf 二项概率密度函数
chi2pdf 概率密度函数2χ
exppdf 指数概率密度函数
fpdf F概率密度函数
gampdf γ概率密度函数
geopdf 几何概率密度函数
hygepdf 超几何概率密度函数
lognpdf 对数正态概率密度函数
nbinpdf 负二项概率密度函数
ncfpdf 偏F概率密度函数
nctpdf 偏t概率密度函数
ncx2pdf 偏概率密度函数2χ
normpdf 正态分布概率密度函数
pdf 指定分布的概率密度函数
poisspdf 泊松分布的概率密度函数
raylpdf Rayleigh概率密度函数
tpdf t概率密度函数
unidpdf 离散均匀分布概率密度函数unifpdf 连续均匀分布概率密度函数weibpdf Weibull概率密度函数5．逆累积分布函数
Betainv 逆β累积分布函数
binoinv 逆二项累积分布函数
chi2inv 逆累积分布函数2χ
expinv 逆指数累积分布函数
finv 逆F累积分布函数
gaminv 逆γ累积分布函数
geoinv 逆几何累积分布函数
hygeinv 逆超几何累积分布函数
logninv 逆对数正态累积分布函数
nbininv 逆负二项累积分布函数
ncfinv 逆偏F累积分布函数
nctinv 逆偏t累积分布函数
ncx2inv 逆偏累积分布函数2χ
norminv 逆正态累积分布函数
possinv 逆正态累积分布函数
raylinv 逆Rayleigh累积分布函数
tinv 逆t累积分布函数
unidinv 逆离散均匀累积分布函数
unifinv 逆连续均匀累积分布函数
weibinv 逆Weibull累积分布函数
6．分布矩函数
betastat 计算β分布的均值和方差
binostat 二项分布的均值和方差
chi2stat 计算分布的均值和方差2χ
expstat 计算指数分布的均值和方差
fstat 计算F分布的均值和方差
gemstat 计算γ分布的均值和方差
geostat 计算几何分布的均值和方差
hygestat 计算超几何分布的均值和方差
lognstat 计算对数正态分布的均值和方差
nbinstat 计算负二项分布的均值和方差
ncfstat 计算偏F分布的均值和方差
nctstat 计算偏t分布的均值和方差
ncx2stat 计算偏分布的均值和方差2χ
normstat 计算正态分布的均值和方差
poissstat 计算泊松分布的均值和方差
raylstat 计算Rayleigh分布的均值和方差
tstat 计算t分布的均值和方差
unidstat 计算离散均匀分布的均值和方差
unifstat 计算连续均匀分布的均值和方差
weibstat 计算Weibull分布的均值和方差7．统计特征函数
corrcoef 计算互相关系数
cov 计算协方差矩阵
geomean 计算样本的几何平均值
harmmean 计算样本数据的调和平均值
iqr 计算样本的四分位差
kurtosis 计算样本的峭度
mad 计算样本数据平均绝对偏差
mean 计算样本的均值
median 计算样本的中位数
moment 计算任意阶的中心矩
prctile 计算样本的百份位数
range 样本的范围
skewness 计算样本的歪度
std 计算样本的标准差
trimmean 计算包含极限值的样本数据的均值var 计算样本的方差
8．统计绘图函数
boxplot 在矩形框内画样本数据
errorbar 在曲线上画误差条
fsurfht 画函数的交互轮廓线
gline 在图中交互式画线
gname 用指定的标志画点
lsline 画最小二乘拟合线
normplot 画正态检验的正态概率图
pareto 画统计过程控制的Pareto图
qqplot 画两样本的分位数-分位数图
refcurve 在当前图中加一多项式曲线
refline 在当前坐标中画参考线
surfht 画交互轮廓线
weibplot 画Weibull概率图
9．统计处理控制
capable 处理能力索引
capaplot 画处理能力图
ewmaplot 画指数加权移动平均图
histfit 叠加正态密度直方图
normspec 在规定的极限内画正态密度图
schart 画标准偏差图
xbarplot 画水平条图
10．假设检验
Ranksum 计算母体产生的两独立样本的显著性概率和假设检验的结果signrank 计算两匹配样本中位数相等的显著性概率和假设检验的结果signtest 计算两匹配样本的显著性概率和假设检验的结果
ttest 对单个样本均值进行t检验
ttest2 对两样本均值差进行t检验
ztest 对已知方差的单个样本均值进行z检验
11．试验设计
cordexch 配位交叉算法D-优化试验设计
daugment D-优化增强试验设计
dcovary 使用指定协变数的D-优化试验设计
ff2n 两水平全因素试验设计
fullfact 全因素试验设计
hadamard Hadamard正交试验rowexch 行交换算法D-优化试验设计
Matlab优化工具箱函数简介
Matlab优化工具箱函数简介 一维搜索问题fminbnd 无约束极小值fminunc, fminsearch 约束极小值fmincon 线性规划linprog 二次规划quadprog 1．一维搜索问题 优化工具箱函数fminbnd 对应问题：min f(x) x1
MATLAB常用函数大全
一、MATLAB常用的基本数学函数 abs(x)：纯量的绝对值或向量的长度 angle(z)：复数z的相角(Phase angle) sqrt(x)：开平方 real(z)：复数z的实部 imag(z)：复数z的虚部 conj(z)：复数z的共轭复数 round(x)：四舍五入至最近整数 fix(x)：无论正负，舍去小数至最近整数 floor(x)：地板函数，即舍去正小数至最近整数ceil(x)：天花板函数，即加入正小数至最近整数rat(x)：将实数x化为分数表示 rats(x)：将实数x化为多项分数展开 sign(x)：符号函数 (Signum function)。 当x<0时，sign(x)=-1； 当x=0时，sign(x)=0; 当x>0时，sign(x)=1。 rem(x,y)：求x除以y的馀数 gcd(x,y)：整数x和y的最大公因数 lcm(x,y)：整数x和y的最小公倍数 exp(x)：自然指数 pow2(x)：2的指数 log(x)：以e为底的对数，即自然对数或 log2(x)：以2为底的对数 log10(x)：以10为底的对数 二、MATLAB常用的三角函数 sin(x)：正弦函数 cos(x)：余弦函数
tan(x)：正切函数 asin(x)：反正弦函数 acos(x)：反馀弦函数 atan(x)：反正切函数 atan2(x,y)：四象限的反正切函数 sinh(x)：超越正弦函数 cosh(x)：超越馀弦函数 tanh(x)：超越正切函数 asinh(x)：反超越正弦函数 acosh(x)：反超越馀弦函数 atanh(x)：反超越正切函数 三、适用於向量的常用函数有： min(x): 向量x的元素的最小值 max(x): 向量x的元素的最大值 mean(x): 向量x的元素的平均值 median(x): 向量x的元素的中位数 std(x): 向量x的元素的标准差 diff(x): 向量x的相邻元素的差 sort(x): 对向量x的元素进行排序（Sorting）length(x): 向量x的元素个数 norm(x): 向量x的欧氏（Euclidean）长度sum(x): 向量x的元素总和 prod(x): 向量x的元素总乘积 cumsum(x): 向量x的累计元素总和 cumprod(x): 向量x的累计元素总乘积 dot(x, y): 向量x和y的内积 cross(x, y): 向量x和y的外积 四、MATLAB的永久常数
Matlab考试题库+答案(中北大学)
1、标点符号; _______可以使命令行不显示运算结果， %——用来表示该行为注释行。 2、x为0～4pi，步长为的向量，使用命令_______创建。 x=0:*pi:4*pi 3、输入矩阵A=，使用全下标方式用A(2,2) 取出元素“-5”，使用单下标方式用_______取出元素“-5”。 【 A(5) 4、符号表达式sin(2*a+t)+m中独立的符号变量为_______。 t 5、M脚本文件和M函数文件的主要区别是M脚本文件没有函数定义和M函数文件有函数定义_______。 6. 设x是一维数组，x的倒数第3个元素表示为_______； * 设y为二维数组，要删除y的第34行和48列，可使用命令_______; _______； x(_end-2_) y(34,:)=[] y(:,48)=[] 7. 将变量x以Ascii文本格式存储到文件，应使用命令_________ _； ; save _x 8. 在while 表达式, 语句体, End 循环语句中，表达式的值__ __时表示循环条件为真，语句体将被执行，否则跳出该循环语句； 非零 9.要从键盘读入一个字符串并赋值给变量x，且给出提示“Who is she”，应使用命令_________； x=input(‘Who is she’,’s’)_ $ 10．设A=和B=和C=均为m*n矩阵，且存在于WorkSpace中，要产生矩阵D=，可用命令________ _， 计算可用命令________; D=(A-C)/B.^C det(inv(A’*B) 》 11. 在MATLAB命令窗口中的“>>”标志为MATLAB的_______提示符，“│”标志为_______提示符。 命令行 输入 12.已知A=[1 2 3；4 5 0；7 8 9]；B=[1 0 3；1 5 0；0 1 2]；写出下列各指令运行的结果。 A+B； ！ A.*B； A==B ； ans= [2,2,6;5,10,0;7,9,11] ans= [1,0,9;4,25,0;0,8,18] ans= [1,0,1;0,1,1;0,0,0] 13.已知A是矩阵，求A的对角矩阵函数是_______， 求A的下三角矩阵函数是_______。 diag tril 》 的程序文件和Simulink模型文件的扩展名分别是_______、。
matlab拟合工具箱的使用
matlab拟合工具箱使用 2011-06-17 12:53 1.打开CFTOOL工具箱。在Matlab 6.5以上的环境下，在左下方有一个"Start"按钮，如同Windows的开始菜单，点开它，在目录"Toolboxes"下有一个"Curve Fitting"，点开"Curve Fitting Tool"，出现数据拟合工具界面，基本上所有的数据拟合和回归分析都可以在这里进行。也可以在命令窗口中直接输入”cftool”，打开工具箱。 2.输入两组向量x，y。 首先在Matlab的命令行输入两个向量，一个向量是你要的x坐标的各个数据，另外一个是你要的y坐标的各个数据。输入以后假定叫x向量和y向量，可以在workspace里面看见这两个向量，要确保这两个向量的元素数一致，如果不一致的话是不能在工具箱里面进行拟合的。 例如在命令行里输入下列数据: x = [196,186, 137, 136, 122, 122, 71, 71, 70, 33]; y=[0.012605,0.013115,0.016866,0.014741,0.022353,0.019278,0.041803,0.0 38026,0.038128,0.088196]; 3.数据的选取。打开曲线拟合共工具界面，点击最左边的"Data..."按钮，出现一个Data对话框，在Data Sets页面里，在X Data选项中选取x向量，Y Data 选项中选取y向量，如果两个向量的元素数相同，那么Create data set按钮就激活了，此时点击它，生成一个数据组，显示在下方Data Sets列表框中。关闭Data对话框。此时Curve Fitting Tool窗口中显示出这一数据组的散点分布图。
matlab 常用函数汇总
matlab 常用函数汇总 编程2008-07-10 21:45:20 阅读46 评论0 字号：大中小订阅matlab常用函数 图形注释 Title 图形标题 Xlabel X轴标记 Ylabel Y轴标记 Text 文本注释 Gtext 用鼠标放置文本 Grid 网格线 MATLAB编程语言 Function 增加新的函数 Eval 执行由MA TLAB表达式构成的字串 Feval 执行由字串指定的函数 Global 定义全局变量 程序控制流 If 条件执行语句 Else 与if命令配合使用 Elseif 与if命令配合使用 End For,while和if语句的结束 For 重复执行指定次数（循环） While 重复执行不定次数（循环） Break 终止循环的执行 Return 返回引用的函数 Error 显示信息并终止函数的执行 交互输入 Input 提示用户输入 Keyboard 像底稿文件一样使用键盘输入 Menu 产生由用户输入选择的菜单 Pause 等待用户响应 Uimenu 建立用户界面菜单 Uicontrol 建立用户界面控制 一般字符串函数 Strings MATLAB中有关字符串函数的说明 Abs 变字符串为数值 Setstr 变数值为字符串 Isstr 当变量为字符串时其值为真 Blanks 空串 Deblank 删除尾部的空串 Str2mat 从各个字符串中形成文本矩阵 Eval 执行由MA TLAB表达式组成的串 字符串比较 Strcmp , , , 比较字符串 Findstr 在一字符串中查找另一个子串
Upper 变字符串为大写 Lower 变字符串为小写 Isletter 当变量为字母时，其值为真 Isspace 当变量为空白字符时，其值为真 字符串与数值之间变换 Num2str 变数值为字符串 Int2str 变整数为字符串 Str2num 变字符串为数值 Sprintf 变数值为格式控制下的字符串 Sscanf 变字符串为格式控制下的数值 十进制与十六进制数之间变换 Hex2num 变十六进制为IEEE标准下的浮点数Hex2dec 变十六制数为十进制数 Dec2hex 变十进制数为十六进制数 建模 Append 追加系统动态特性 Augstate 变量状态作为输出 Blkbuild 从方框图中构造状态空间系统Cloop 系统的闭环 Connect 方框图建模 Conv 两个多项式的卷积 Destim 从增益矩阵中形成离散状态估计器Dreg 从增益矩阵中形成离散控制器和估计器Drmodel 产生随机离散模型 Estim 从增益矩阵中形成连续状态估计器Feedback 反馈系统连接 Ord2 产生二阶系统的A、B、C、D Pade 时延的Pade近似 Parallel 并行系统连接 Reg 从增益矩阵中形成连续控制器和估计器Rmodel 产生随机连续模型 Series 串行系统连接 Ssdelete 从模型中删除输入、输出或状态ssselect 从大系统中选择子系统 模型变换 C2d 变连续系统为离散系统 C2dm 利用指定方法变连续为离散系统 C2dt 带一延时变连续为离散系统 D2c 变离散为连续系统 D2cm 利用指定方法变离散为连续系统 Poly 变根值表示为多项式表示 Residue 部分分式展开 Ss2tf 变状态空间表示为传递函数表示 Ss2zp 变状态空间表示为零极点表示
Matlab curve fitting tool的用法
Matlab curve fitting tool的用法 (2010-09-06 10:54:03) 转载 标签： 杂谈 在Matlab 6.5以上的境况下，在左下方有一个"Start"按钮，好像Windows的最先菜单，点开它，在目次"Toolboxes"下有一个"Curve Fitting"，点开"Curve Fitting Tool"，显露数据拟合东西界面，根基上全体的数据拟合和回归认识都可以在这边进行。底下给你粗略先容一下它的使用方法。首先在Matlab的夂箢行输入两个向量，一个向量是你要的x坐目标各个数据，其它一个是你要的y坐标的各个数据。输入今后假如叫x向量与y向量，可以在workspace内里瞥见这两个向量，要保障这两个向量的元素数类似，借使纷歧致的话是不行在工具箱里面进行拟合的。比方在命令行里输入下列数据: x=(0:0.02:0.98)'; y=sin(4*pi*x+rand(size(x))); 此时x-y之间的函数相似的为正弦干系，频率为2，但是生活一个偏差项。可以通过作图看出它们的大致分布: plot(x,y,'*','markersize',2); 掀开曲线拟合共工具界面，点击最左边的"Data..."按钮，出现一个Data对话框，在Data Sets 页面里，在X Data选项入选取x向量，Y Data选项中抉择y向量，如果两个向量的元素数相通，那么Create data set按钮就激活了，此时点击它，天生一个数据组，映现鄙人方Data Sets列表框中。紧闭Data对话框。此时Curve Fitting Tool窗口中显示出这一数据组的散点分布图。点击Fitting...按钮，出现Fitting对话框，Fitting对话框分为两部门，上头为Fit Editor，下面为Table of Fits,有时刻窗口界面对比小，Fit Editor部分会被收起来，只消把Table of Fits上方的横条往下拉就可以看见Fit Editor。在Fit Editor 里面点击New Fit按钮，此时其下方的各个选框被激活，在Data Set选框中选中方才创办的x-y数据组，然后在Type of fit选框中选取拟合或回归规范，各个类型的拟合或回归呼应的分别是： Custom Equations 用户自界说函数 Expotential e指数函数 Fourier 傅立叶函数，含有三角函数 Gaussian 正态分布函数，高斯函数 Interpolant 插值函数，含有线性函数，搬动均匀等类型的拟合 Polynomial 多项式函数 Power 幂函数 Rational 有理函数（不太了了，没有若何用过） Smooth Spline ？？（润滑插值大概光滑拟合，不太清楚） Sum of sin functions正弦函数类 Weibull 威布尔函数（没用过）欠好兴趣，没有学过数理统计，以是许多器具都是用了才清楚，翻译也就不太正确。不外在Type of fit 选框下方有一个列表框，基本上各个函数类里的函数都写成领会式列在下方以供选择，所以找符合的函数仍旧比较简单的。在这个Type of fit选框中选择好合适的类型，并选好合适的函数形式。因而点击Apply按钮，就开始进行拟合或者回归了。此时在Curve Fitting Tool 窗口上就会出现一个拟合的曲线。这即是所要的效率。在上面的例子中，选择sum of sin functions中的第一个函数形式，点击Apply按钮，就可以看见拟合取得的正弦曲线。在Fitting对话框中的Results文本框中显示有这回拟合的首要统计音信，主要有 General
Matlab工具箱中地BP与RBF函数
Matlab工具箱中的BP与RBF函数 Matlab神经网络工具箱中的函数非常丰富，给网络设置合适的属性，可以加快网络的学习速度，缩短网络的学习进程。限于篇幅，仅对本章所用到的函数进行介绍，其它的函数及其用法请读者参考联机文档和帮助。 1 BP与RBF网络创建函数 在Matlab工具箱中有如表1所示的创建网络的函数，作为示例，这里只介绍函数newff、newcf、newrb和newrbe。 表 1 神经网络创建函数 (1) newff函数 功能：创建一个前馈BP神经网络。 调用格式：net = newff(PR,[S1 S2...S Nl],{TF1 TF2...TF Nl},BTF,BLF,PF) 参数说明： ?PR - R个输入的最小、最大值构成的R×2矩阵； ?S i–S NI层网络第i层的神经元个数； ?TF i - 第i层的传递函数，可以是任意可导函数，默认为'tansig'，
可设置为logsig，purelin等； ?BTF -反向传播网络训练函数，默认为'trainlm'，可设置为trainbfg，trainrp，traingd等； ?BLF -反向传播权值、阈值学习函数，默认为'learngdm'； ?PF -功能函数，默认为'mse'； (2) newcf函数 功能：创建一个N层的层叠(cascade)BP网络 调用格式：net = newcf(Pr,[S1 S2...SNl],{TF1 TF2...TFNl},BTF,BLF,PF) 参数同函数newff。 (3) newrb函数 功能：创建一个径向基神经网络。径向基网络可以用来对一个函数进行逼近。newrb函数用来创建一个径向基网络，它可以是两参数网络，也可以是四参数网络。在网络的隐层添加神经元，直到网络满足指定的均方误差要求。 调用格式：net = newrb(P,T,GOAL,SPREAD) 参数说明： ?P：Q个输入向量构成的R×Q矩阵； ?T：Q个期望输出向量构成的S×Q矩阵； ?GOAL：均方误差要求，默认为0。 ?SPREAD：分散度参数，默认值为1。SPREAD越大，网络逼近的函数越平滑，但SPREAD取值过大将导致在逼近变化比较剧烈的函
MATLAB常用指令
MATLAB常用指令 1．常用命令-->管理命令和函数 addpath 添加目录到MATLAB搜索路径 doc 在Web浏览器上现实HTML文档 help 显示Matlab命令和M文件的在线帮助 helpwin helpdesk help lookfor 在基于Matlab搜索路径的所有M文件中搜索关键字partialpath 部分路径名 path 所有关于路径名的处理 pathtool 一个不错的窗口路径处理界面 rmpath 删除搜索路径中指定目录 type 显示指定文件的内容 ver 版本信息 version 版本号 web 打开web页 what 列出当前目录吓所有的M文件Mat文件和Mex文件whatsnew 显示readme文件 which 显示文件位置 （返回） 2．常用命令-->管理变量和工作区(输入输出、内存管理等) clear 从内存中删除 disp 显示文本或数组内容 length 数组长度(最长维数) load 重新载入变量(从磁盘上) mlock 锁定文件，防止文件被错误删除 munlock 解锁文件 openvar 在数组编辑器中打开变量 pack 整理内存空间 save 保存变量到文件8*) size 数组维数 who 列出内存变量 whos 列出内存变量,同时显示变量维数 workspace 显示工作空间窗口 （返回） 3．常用命令-->管理命令控制窗口(command窗口) clc 清空命令窗口 echo 禁止或允许显示执行过程 format 设置输出显示格式 home 光标移动到命令窗口左上角 more 设置命令窗口页输出格式 （返回）
Matlab数理统计工具箱常用函数命令大全
Matlab数理统计工具箱应用简介 1．概述 Matlab的数理统计工具箱是Matlab工具箱中较为简单的一个，其牵扯的数学知识是大家都很熟悉的数理统计，因此在本文中，我们将不再对数理统计的知识进行重复，仅仅列出数理统计工具箱的一些函数，这些函数的意义都很明确，使用也很简单，为了进一步简明，本文也仅仅给出了函数的名称，没有列出函数的参数以及使用方法，大家只需简单的在Matlab工作空间中输入“help 函数名”，便可以得到这些函数详细的使用方法。 2．参数估计 betafit 区间 3．累积分布函数 betacdf β累积分布函数 binocdf 二项累积分布函数 cdf 计算选定的累积分布函数 chi2cdf 累积分布函数2χ expcdf 指数累积分布函数 fcdf F累积分布函数 gamcdf γ累积分布函数 geocdf 几何累积分布函数 hygecdf 超几何累积分布函数 logncdf 对数正态累积分布函数 nbincdf 负二项累积分布函数 ncfcdf 偏F累积分布函数 nctcdf 偏t累积分布函数 ncx2cdf 偏累积分布函数2χ normcdf 正态累积分布函数 poisscdf 泊松累积分布函数 raylcdf Reyleigh累积分布函数 tcdf t 累积分布函数 unidcdf 离散均匀分布累积分布函数 unifcdf 连续均匀分布累积分布函数 weibcdf Weibull累积分布函数 4．概率密度函数 betapdf β概率密度函数 binopdf 二项概率密度函数 chi2pdf 概率密度函数2χ
exppdf 指数概率密度函数 fpdf F概率密度函数 gampdf γ概率密度函数 geopdf 几何概率密度函数 hygepdf 超几何概率密度函数 lognpdf 对数正态概率密度函数 nbinpdf 负二项概率密度函数 ncfpdf 偏F概率密度函数 nctpdf 偏t概率密度函数 ncx2pdf 偏概率密度函数2χ normpdf 正态分布概率密度函数 pdf 指定分布的概率密度函数 poisspdf 泊松分布的概率密度函数 raylpdf Rayleigh概率密度函数 tpdf t概率密度函数 unidpdf 离散均匀分布概率密度函数unifpdf 连续均匀分布概率密度函数weibpdf Weibull概率密度函数5．逆累积分布函数 Betainv 逆β累积分布函数 binoinv 逆二项累积分布函数 chi2inv 逆累积分布函数2χ expinv 逆指数累积分布函数 finv 逆F累积分布函数 gaminv 逆γ累积分布函数 geoinv 逆几何累积分布函数 hygeinv 逆超几何累积分布函数 logninv 逆对数正态累积分布函数 nbininv 逆负二项累积分布函数 ncfinv 逆偏F累积分布函数 nctinv 逆偏t累积分布函数 ncx2inv 逆偏累积分布函数2χ norminv 逆正态累积分布函数 possinv 逆正态累积分布函数 raylinv 逆Rayleigh累积分布函数 tinv 逆t累积分布函数 unidinv 逆离散均匀累积分布函数 unifinv 逆连续均匀累积分布函数 weibinv 逆Weibull累积分布函数
(实例)matlab遗传算法工具箱函数及实例讲解
matlab遗传算法工具箱函数及实例讲解 核心函数： (1)function [pop]=initializega(num,bounds,eevalFN,eevalOps,options)--初始种群的生成函数 【输出参数】 pop--生成的初始种群 【输入参数】 num--种群中的个体数目 bounds--代表变量的上下界的矩阵 eevalFN--适应度函数 eevalOps--传递给适应度函数的参数 options--选择编码形式(浮点编码或是二进制编码)[precision F_or_B], 如 precision--变量进行二进制编码时指定的精度 F_or_B--为1时选择浮点编码，否则为二进制编码,由precision指定精度) (2)function [x,endPop,bPop,traceInfo] = ga(bounds,evalFN,evalOps,startPop,opts,... termFN,termOps,selectFN,selectOps,xOverFNs,xOverO ps,mutFNs,mutOps)--遗传算法函数 【输出参数】 x--求得的最优解 endPop--最终得到的种群 bPop--最优种群的一个搜索轨迹 【输入参数】 bounds--代表变量上下界的矩阵 evalFN--适应度函数 evalOps--传递给适应度函数的参数 startPop-初始种群 opts[epsilon prob_ops display]--opts(1:2)等同于initializega 的options参数，第三个参数控制是否输出，一般为0。如[1e-6 1 0] termFN--终止函数的名称,如['maxGenTerm'] termOps--传递个终止函数的参数,如[100] selectFN--选择函数的名称,如['normGeomSelect'] selectOps--传递个选择函数的参数,如[0.08] xOverFNs--交叉函数名称表，以空格分开，如['arithXover heuristicXover simpleXover'] xOverOps--传递给交叉函数的参数表，如[2 0;2 3;2 0] mutFNs--变异函数表，如['boundaryMutation multiNonUnifMutation nonUnifMutation unifMutation'] mutOps--传递给交叉函数的参数表,如[4 0 0;6 100 3;4 100 3;4 0 0]
MATLAB模型预测控制工具箱函数..
MATLAB模型预测控制工具箱函数 8.2 系统模型建立与转换函数 前面读者论坛了利用系统输入/输出数据进行系统模型辨识的有关函数及使用方法，为时行模型预测控制器的设计，需要对系统模型进行进一步的处理和转换。MATLAB的模型预测控制工具箱中提供了一系列函数完成多种模型转换和复杂系统模型的建立功能。 在模型预测控制工具箱中使用了两种专用的系统模型格式，即MPC状态空间模型和MPC传递函数模型。这两种模型格式分别是状态空间模型和传递函数模型在模型预测控制工具箱中的特殊表达形式。这种模型格式化可以同时支持连续和离散系统模型的表达，在MPC传递函数模型中还增加了对纯时延的支持。表8-2列出了模型预测控制工具箱的模型建立与转换函数。 表8-2 模型建立与转换函数 8.2.1 模型转换 在MATLAB模型预测工具箱中支持多种系统模型格式。这些模型格式包括： ①通用状态空间模型； ②通用传递函数模型； ③MPC阶跃响应模型； ④MPC状态空间模型；
⑤ MPC 传递函数模型。 在上述5种模型格式中，前两种模型格式是MATLAB 通用的模型格式，在其他控制类工具箱中，如控制系统工具箱、鲁棒控制工具等都予以支持；而后三种模型格式化则是模型预测控制工具箱特有的。其中，MPC 状态空间模型和MPC 传递函数模型是通用的状态空间模型和传递函数模型在模型预测控制工具箱中采用的增广格式。模型预测控制工具箱提供了若干函数，用于完成上述模型格式间的转换功能。下面对这些函数的用法加以介绍。 1．通用状态空间模型与MPC 状态空间模型之间的转换 MPC 状态空间模型在通用状态空间模型的基础上增加了对系统输入/输出扰动和采样周期的描述信息，函数ss2mod ()和mod2ss ()用于实现这两种模型格式之间的转换。 1）通用状态空间模型转换为MPC 状态空间模型函数ss2mod () 该函数的调用格式为 pmod= ss2mod (A,B,C,D) pmod = ss2mod (A,B,C,D,minfo) pmod = ss2mod (A,B,C,D,minfo,x0,u0,y0,f0) 式中，A, B, C, D 为通用状态空间矩阵； minfo 为构成MPC 状态空间模型的其他描述信息，为7个元素的向量，各元素分别定义为： ◆ minfo(1)=dt ，系统采样周期，默认值为1； ◆ minfo(2)=n ，系统阶次，默认值为系统矩阵A 的阶次； ◆ minfo(3)=nu ，受控输入的个数，默认值为系统输入的维数； ◆ minfo(4)=nd ，测量扰的数目，默认值为0； ◆ minfo(5)=nw ，未测量扰动的数目，默认值为0； ◆ minfo(6)=nym ，测量输出的数目，默认值系统输出的维数； ◆ minfo(7)=nyu ，未测量输出的数目，默认值为0； 注：如果在输入参数中没有指定m i n f o ，则取默认值。 x0, u0, y0, f0为线性化条件，默认值均为0； pmod 为系统的MPC 状态空间模型格式。 例8-5 将如下以传递函数表示的系统模型转换为MPC 状态空间模型。 1 2213)(232+++++=s s s s s s G 解：MATLAB 命令如下：
MATLAB工具箱函数
表Ⅰ-11 线性模型函数 函数描述 anova1 单因子方差分析 anova2 双因子方差分析 anovan 多因子方差分析 aoctool 协方差分析交互工具 dummyvar 拟变量编码 friedman Friedman检验 glmfit 一般线性模型拟合 kruskalwallis Kruskalwallis检验 leverage 中心化杠杆值 lscov 已知协方差矩阵的最小二乘估计manova1 单因素多元方差分析manovacluster 多元聚类并用冰柱图表示multcompare 多元比较 多项式评价及误差区间估计 polyfit 最小二乘多项式拟合 polyval 多项式函数的预测值 polyconf 残差个案次序图 regress 多元线性回归 regstats 回归统计量诊断 续表 函数描述 Ridge 岭回归 rstool 多维响应面可视化 robustfit 稳健回归模型拟合 stepwise 逐步回归 x2fx 用于设计矩阵的因子设置矩阵 表Ⅰ-12 非线性回归函数 函数描述 nlinfit 非线性最小二乘数据拟合（牛顿法）nlintool 非线性模型拟合的交互式图形工具nlparci 参数的置信区间 nlpredci 预测值的置信区间 nnls 非负最小二乘 表Ⅰ-13 试验设计函数 函数描述 cordexch D-优化设计（列交换算法）daugment 递增D-优化设计 dcovary 固定协方差的D-优化设计ff2n 二水平完全析因设计 fracfact 二水平部分析因设计 fullfact 混合水平的完全析因设计hadamard Hadamard矩阵（正交数组）rowexch D-优化设计（行交换算法） 表Ⅰ-14 主成分分析函数 函数描述 barttest Barttest检验 pcacov 源于协方差矩阵的主成分pcares 源于主成分的方差 princomp 根据原始数据进行主成分分析 表Ⅰ-15 多元统计函数 函数描述 classify 聚类分析 mahal 马氏距离 manova1 单因素多元方差分析manovacluster 多元聚类分析 表Ⅰ-16 假设检验函数 函数描述 ranksum 秩和检验 signrank 符号秩检验 signtest 符号检验 ttest 单样本t检验 ttest2 双样本t检验 ztest z检验 表Ⅰ-17 分布检验函数 函数描述 jbtest 正态性的Jarque-Bera检验kstest 单样本Kolmogorov-Smirnov检验kstest2 双样本Kolmogorov-Smirnov检验lillietest 正态性的Lilliefors检验 表Ⅰ-18 非参数函数 函数描述 friedman Friedman检验 kruskalwallis Kruskalwallis检验ranksum 秩和检验 signrank 符号秩检验 signtest 符号检验
第9章概率论与数理统计的MATLAB实现讲稿汇总
第9章 概率论与数理统计的MATLAB 实现 MATLAB 总包提供了一些进行数据统计分析的函数，但不完整。利用MATLAB 统计工具箱，可以进行概率和数理统计分析，以及进行比较复杂的多元统计分析。 9.1 随机变量及其分布 利用统计工具箱提供的函数，可以比较方便地计算随机变量的分布列（或密度函数）和分布函数。 9.1.1 常见离散型随机变量的分布列的计算 如果随机变量全部可能取到的不相同的值是有限个或可列无限多个，则称为离散型随机变量。 MATLAB 提供的计算常见离散型随机变量分布列的函数及调用格式： 函数调用格式(对应的分布) 分布列 y=binopdf(x,n,p)(二项分布) )() 1(),|(),,1,0(x I p p C p n x f n x n x x n --= y=geopdf(x,p)(几何分布) x p p p x f )1()|(-= ),1,0( =x y=hygepdf(x,M,K,n)(超几何分布) n M x n k M x K C C C n K M x f --=),,|( y=poisspdf(x,lambda)(泊松分布) λ λλ-=e x x f x ! )|(),1,0( =x y=unidpdf(x,n)(离散均匀分布) N N x f 1)|(= 9.1.2 常见连续型随机变量的密度函数计算 对于随机变量X 的分布函数)(x F ，如果存在非负函数)(x f ，使对于任意实数x 有 ? ∞ -=x dt t f x F )()( 则称X 为连续型随机变量，其中函数)(x f 称为X 的密度函数。 MA TLAB 提供的计算常见连续型随机变量分布密度函数的函数及调用格
MATLAB数理统计程序
正态总体均值、方差的参数估计与置信区间估计 P316 例6.5.1 置信区间估计 clear; Y=[14.85 13.01 13.50 14.93 16.97 13.80 17.95 13.37 16.29 12.38]; X=normrnd(15,2,10,1) % 随机产生数 [muhat,sigmahat,muci,sigmaci]=normfit(X,0.1) % 正态拟合 [muhat,sigmahat,muci,sigmaci]=normfit(Y,0.1) % 正态拟合 X = 15.2573 16.3129 12.6644 14.0788 14.4751 12.5737 12.3611 16.8624 15.0225 13.7097 muhat = 14.3318 sigmahat = 1.5595 muci = 13.4278 15.2358 sigmaci = 1.1374 2.5657 muhat = 14.7050 sigmahat = 1.8432 muci = 13.6365 15.7735 sigmaci = 1.3443 3.0324 P320例6.5.5 置信区间估计 clear; Y=[4.68 4.85 4.32 4.85 4.61 5.02 5.20 4.60 4.58 4.72 4.38 4.70]; [muhat,sigmahat,muci,sigmaci]=normfit(Y,0.05) muhat = 4.7092 sigmahat = 0.2480 muci =
4.5516 4.8667 sigmaci = 0.1757 0.4211 P321 例6.5.6 置信区间估计 clear; Y=[45.3 45.4 45.1 45.3 45.5 45.7 45.4 45.3 45.6]; [muhat,sigmahat,muci,sigmaci]=normfit(Y,0.05) muhat = 45.4000 sigmahat = 0.1803 muci = 45.2614 45.5386 sigmaci = 0.1218 0.3454 单正态总体均值的假设检验 方差sigma已知时 P338 例7.2.1 %[h,p,ci,zval]=ztest(X,mu,sigma,alpha,tail,dim) clear all; X=[ 8.05 8.15 8.2 8.1 8.25]; [h,p,ci,zval]=ztest(X,8,0.2,0.05) h = p = 0.0935 ci = 7.9747 8.3253 zval = 1.6771 注： p为观察值的概率 ci为置信区间； zval统计量值 若h=0: 表示在显著性水平alpha下，不能否定原假设； 若h=1: 表示在显著性水平alpha下，否定原假设； 若tail=0:表示双边假设检验； 若tail=1:表示单边假设检验（mu>mu0）； 若tail=0:表示单边假设检验（mu MATLAB命令 MATLAB COMMANDS AND FUNCTIONS LIST A A ABS 绝对值、模、字符的ASCII码值 ACOS 反余弦 ACOSH 反双曲余弦 ACOT 反余切 ACOTH 反双曲余切 ACSC 反余割 ACSCH 反双曲余割 ALIGN 启动图形对象几何位置排列工具 ALL 所有元素非零为真 ANGLE 相角 ANS 表达式计算结果的缺省变量名 ANY 所有元素非全零为真 AREA 面域图 ARGNAMES 函数M文件宗量名 ASEC 反正割 ASECH 反双曲正割 ASIN 反正弦 ASINH 反双曲正弦 ASSIGNIN 向变量赋值 ATAN 反正切 ATAN2 四象限反正切 ATANH 反双曲正切 AUTUMN 红黄调秋色图阵 AXES 创建轴对象的低层指令 AXIS 控制轴刻度和风格的高层指令 B B BAR 二维直方图 BAR3 三维直方图 BAR3H 三维水平直方图 BARH 二维水平直方图 BASE2DEC X进制转换为十进制 BIN2DEC 二进制转换为十进制 BLANKS 创建空格串 BONE 蓝色调黑白色图阵 BOX 框状坐标轴 BREAK WHILE 或FOR 环中断指令 BRIGHTEN 亮度控制 C C CAPTURE （3版以前）捕获当前图形 CART2POL 直角坐标变为极或柱坐标 CART2SPH 直角坐标变为球坐标 CAT 串接成高维数组 CAXIS 色标尺刻度 CD 指定当前目录 CDEDIT 启动用户菜单、控件回调函数设计工具CDF2RDF 复数特征值对角阵转为实数块对角阵CEIL 向正无穷取整 CELL 创建元胞数组 CELL2STRUCT 元胞数组转换为构架数组CELLDISP 显示元胞数组内容 CELLPLOT 元胞数组内部结构图示 CHAR 把数值、符号、内联类转换为字符对象CHI2CDF 分布累计概率函数 CHI2INV 分布逆累计概率函数 CHI2PDF 分布概率密度函数 CHI2RND 分布随机数发生器 CHOL CHOLESKY分解 CLABEL 等位线标识 CLA 清除当前轴 CLASS 获知对象类别或创建对象 CLC 清除指令窗 CLEAR 清除内存变量和函数 CLF 清除图对象 CLOCK 时钟 COLORCUBE 三浓淡多彩交叉色图矩阵COLORDEF 设置色彩缺省值 COLORMAP 色图 COLSPACE 列空间的基 CLOSE 关闭指定窗口 COLPERM 列排序置换向量 COMET 彗星状轨迹图 COMET3 三维彗星轨迹图 COMPASS 射线图 COMPOSE 求复合函数 COND （逆）条件数 CONDEIG 计算特征值、特征向量同时给出条件数CONDEST 范-1条件数估计 Matlab常用工具箱 MATLAB包括拥有数百个内部函数的主包和三十几种工具包.工具包又可以分为功能性工具包和学科工具包.功能工具包用来扩充MATLAB的符号计算,可视化建模仿真,文字处理及实时控制等功能.学科工具包是专业性比较强的工具包,控制工具包,信号处理工具包,通信工具包等都属于此类. 开放性使MATLAB广受用户欢迎.除内部函数外,所有MATLAB主包文件和各种工具包都是可读可修改的文件,用户通过对源程序的修改或加入自己编写程序构造新的专用工具包. Matlab Main Toolbox——matlab主工具箱 Control System Toolbox——控制系统工具箱 Communication Toolbox——通讯工具箱 Financial Toolbox——财政金融工具箱 System Identification Toolbox——系统辨识工具箱 Fuzzy Logic Toolbox——模糊逻辑工具箱 Higher-Order Spectral Analysis Toolbox——高阶谱分析工具箱 Image Processing Toolbox——图象处理工具箱 LMI Control Toolbox——线性矩阵不等式工具箱 Model predictive Control Toolbox——模型预测控制工具箱 μ-Analysis and Synthesis Toolbox——μ分析工具箱 Neural Network Toolbox——神经网络工具箱 Optimization Toolbox——优化工具箱 Partial Differential Toolbox——偏微分方程工具箱 Robust Control Toolbox——鲁棒控制工具箱 Signal Processing Toolbox——信号处理工具箱 Spline Toolbox——样条工具箱 Statistics Toolbox——统计工具箱 Symbolic Math Toolbox——符号数学工具箱 Simulink Toolbox——动态仿真工具箱 Wavele Toolbox——小波工具箱 常用函数Matlab内部常数[3] eps：浮点相对精度 exp：自然对数的底数e i或j：基本虚数单位 inf或Inf：无限大, 例如1/0 nan或NaN：非数值（Not a number）,例如0/0 pi：圆周率p（= 3.1415926...） realmax：系统所能表示的最大数值 realmin：系统所能表示的最小数值 nargin: 函数的输入引数个数 nargout: 函数的输出引数个数 lasterr：存放最新的错误信息 lastwarn：存放最新的警告信息 MATLAB常用基本数学函数 abs(x)：纯量的绝对值或向量的长度 angle(z)：复数z的相角(Phase angle) Matlab 并行计算工具箱的使用 Matlab并行工具箱的产生一方面给大规模的数据分析带来了巨大的效益，另一方面且引入了分布式计算，借助matlab自身携带的MDCE，可以实现单机多核并行运行或者是同一个局域网络中的多台处理器组成的机群的并行运行。 个人以为后者是前者的拓展，并行计算的最初目的是为了解决串行计算速度不能满足某些复杂运算而产生的技术，能够借助较低配置的处理，协同工作处理同一个程序，但是他们之间是并不会交互的，仅仅是有核心主机—client进行大任务的分解，而后将它们分配给各个处理器，由处理器共同完成。所以说并行计算的实质还是主从结构的分布式计算。这里体现了数量的优势，同一个程序串行运行可能需要40个小时，但是若是由10台处理器同时跑，则有望将计算时间降低到接近4个小时的水平。而且这十台处理器可以是一个多个多核CPU组成，例如一个8核心CPU和1个2核心CPU。也可以是由5个2核心CPU组成，形式灵活。 而分布式计算在并行计算的基础上有功能上的扩展，一个很重要的方面就体现在，上述的十个处理器之间可以进行交互式通讯这是基于MPI(message passing interface)实现的，这对于大规模的分布式控制系统是很有需要的，也就是说，各个处理器之间要实现数据的实时传递，有时是共享某些信息，有时是lab1需要lab2的某些信息。相对于单纯的并行计算来说，后者将交互式通讯扩展到了labs之间，而不仅仅是lab和client之间。 Matlab 并行计算工具箱中的函数有： 1.Parfor (FOR循环的并行计算)； 函数1：matlabpool 其作用是开启matlab并行计算池，单独的命令会以默认的配置开启并行计算环境。 函数2：parfor For循环的并行计算替代关键词，需要注意的是，parfor不能像for一样嵌套。 但是外部的parfor内部可以嵌套for循环。 函数3：batch 用于在worker上运行matlab脚本或者是matlab函数。 例如：batch(‘script.m’) 语句会根据默认并行配置文件定义的集群将script脚本文件运行在worker上。 2.批处理 函数1：batch，其语法有： j = batch('aScript') j = batch(myCluster,'aScript') j = batch(fcn,N,{x1, ..., xn}) j = batch(myCluster,fcn,N,{x1,...,xn}) j = batch(...,'p1',v1,'p2',v2,...) 其中的变量： J The batch job object. 'aScript'The script of MATLAB code to be evaluated by the MATLAB pool job. myClusterCluster object representing cluster compute resources. fcnFunction handle or string of function name to be evaluated by the MATLAB pool job.MATLAB常用命令检索大全
Matlab常用工具箱及常用函数
Matlab-并行计算工具箱函数基本情况介绍