本文深入解析Matlab中统计函数的应用，包括均值、方差及标准差的计算方法。详细介绍了如何针对矩阵数据进行列向量和行向量的均值计算，探讨了方差的两种类型——有效估计方差和无偏估计方差，并对比了它们在样本数据和总体数据上的应用。同时，阐述了标准差的概念及其在Matlab中的实现。
1、 均值
数学定义：
Matlab函数：mean
如果X是一个矩阵，则其均值是一个向量组。mean(X,1)为列向量的均值，mean(X,2)为行向量的均值。若要求整个矩阵的均值，则为mean(mean(X))或者mean2(X)。
2、 方差
数学定义：
均方差：
按求取方差公式的不同，方差分为两种：biased（有效估计的方差）和unbiased（无偏估计的方差）。当分析数据为样本数据（Sample Data）为无偏估计的方差，求方差除以n-1 ，分析数据为总体数据（The Population ）有效估计的方差，求方差除以n。无偏估计的方差可以修正样本的差异，更精确描述样本空间。因此matlab默认采用的是无偏估计的方差。
Matlab 函数：var
如果X是一个一维向量，var(data,1) 求总体方差，var(data,0) 求样本方差
如果X是一个矩阵，var没有求矩阵的方差功能，可使用std先求均方差，再平方得到方差。
3、 标准差
定义：
标准差是对均方差开根号。同理，标准差也分为两种，一种是总体数据（除n），一种为样本数据(除n-1)。
Matlab 函数：var
假设X是矩阵，那么
std1=std(X(:),1);%有效估计的方差（/n）
std2=std(X(:),0);%无偏估计的方差（/n-1）
std3=std2(X);%无偏估计的方差（/n-1）
扫一扫
2377
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
