MATLAB 和 Simulink 培训

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

难度: 中级

课程要求:

持续时间: 2 天

语言: Deutsch, English, 日本語, 한국어

查看时间表并报名