load count.datmx=max(count)mx = 114 145 257mu=mean(count)mu = 32.0000 46.5417 65.5833sigma=std(count)sigma = 25.3703 41.4057 68.0281对有些函数还可给出地位。,matlab min函数用法
数学建模是用数学方法处理各种实践成绩的桥梁，它已经渗透到各个畛域，而且施展出越来越重要的作用。面对人造科学和工程运用中的难题，大局部人无从动手，而个他人却能短工夫内给出实在可行的处理计划，网站优化，其差别往往在于驾驭数学知识的才能不同。古代计算机技术的运用不只缩小了计算谬误，而且加强了数学运用者处理成绩的才能。MATLAB是一款常用的数据解决软件，为了更好的运用MATLAB软件，我将整顿好的MATLAB函数分享到昔日头条上，以利己利人查阅。
利美知识百科
MATLAB提供的很少数据剖析与统计函数都是面向列的，即矩阵中的每一列代表一个变量的多个观测值，其列数对应于变量数，行数对应于测量点数。
limeiseo（加v分享）
max和min函数可求出数据的最大值和最小值，mean和std函数可求出数据的均值和标准差，sum和prod函数可求出数据元素和与数据元素积。例如，对MATLAB内含的某城市24小时的车流量数据count.dat可作剖析： copyright limeiseo
load count.dat 利美网络
mx=max(count)
mx = 114 145 257
利美网络
mu=mean(count)
mu = 32.0000 46.5417 65.5833
sigma=std(count)
sigma = 25.3703 41.4057 68.0281
copyright limeiseo
对有些函数还可给出地位，例如，在求出最小值的同时，可失去最小值所在的地位(行号)： copyright limeiseo
[mx,indx]=min(count)
利美知识百科
mx = 7 9 7 limeiseo（加v分享）
indx = 2 23 24 本文利美网络（www.limeiseo.com）整理发布
1、协方差和相干系数
cov函数可能求出单个变量的协方差，而corrcoef函数可求出两个变量之间的相干系数，例如：
cv=cov(count) 利美网络
cv = 1.0e+003 *
利美网络
0.6437 0.9802 1.6567 利美知识百科
0.9802 1.7144 2.6908
limeiseo（加v分享）
1.6567 2.6908 4.6278
cr=corrcoef(count) 利美网络
cr =
1.0000 0.9331 0.9599
0.9331 1.0000 0.9553 利美知识百科
0.9599 0.9553 1.0000 copyright limeiseo
2、数据预解决
利美网络
在MATLAB中遇到超出范围的数据时均用NaN (非数值) 示意，而且在任何运算中，只需蕴含NaN，就将它传递到后果中，因此在对数据停止剖析前，应答数据中出现的NaN作剔除解决。例如：
a=[1 2 3;5 NaN 8;7 4 2];
利美项目圈
sum(a) 利美知识百科
ans = 13 NaN 13 利美网络
在矢量x中删除NaN元素，可有下列四种方法： limeiseo（加v分享）
(1) i=find(~isnan(x))；x=x(i)。 利美知识百科
(2) x=x(find(~isnan(x)))。
利美知识百科
(3) x=x(~isnan(x))。 本文利美网络（www.limeiseo.com）整理发布
(4) x(isnan(x))=[ ]。 利美项目圈
在矩阵X中删除NaN所在的行，可输入 利美项目圈
X(any(isnan(X)')，：)=[ ]； 本文利美网络（www.limeiseo.com）整理发布
通过这种预解决后的数据，可停止各种剖析和统计操作。 利美知识百科
3、回归和曲线拟合
对给定的数据停止拟合，可采用多项式回归，也可采用其它信号方式的回归，其根本原理是最小二乘法，这一性能实如今MATLAB中显得轻而易举。
例1：设经过测量失去一组工夫t与变量y的数据： copyright limeiseo
t=[0 .3 .8 1.1 1.6 2.3]; 利美网络
y=[0.5 0.82 1.14 1.25 1.35 1.40]; 利美项目圈
停止回归，可失去两种不同的后果。MATLAB程序如下：
copyright limeiseo
t=[0 .3 .8 1.1 1.6 2.3]'; 本文利美网络（www.limeiseo.com）整理发布
y=[.5 .82 1.14 1.25 1.35 1.40]'; 利美项目圈
X1=[ones(size(t)) t t.^2]; 本文利美网络（www.limeiseo.com）整理发布
a=X1\y; 利美网络
X2=[ones(size(t)) exp(–t) t.*exp(–t)];
本文利美网络（www.limeiseo.com）整理发布
b=X2\y;
利美网络
T=[0:.1:2.5]'; 本文利美网络（www.limeiseo.com）整理发布
Y1=[ones(size(T)) T T.^2]*a;
Y2=[ones(size(T)) exp(-T) T.*exp(-T)]*b; 利美知识百科
figure(1)
利美知识百科
subplot(1,2,1) 利美项目圈
plot(T,Y1,'-',t,y,'o'),grid on 利美项目圈
title('多项式回归') 利美网络
subplot(1,2,2) limeiseo（加v分享）
plot(T,Y2,'-',t,y,'o'),grid on limeiseo（加v分享）
title('指数函数回归') 利美项目圈
例2 已知变量y与x1，x2无关，测得一组数据为 copyright limeiseo
x1=[.2 .5 .6 .8 1.0 1.1 ]'; copyright limeiseo
x2=[.1 .3 .4 .9 1.1 1.4 ]'; 利美知识百科
y=[.17 .26 .28 .23 .27 .24]';
利美网络
采用来拟合，则有 利美项目圈
x1=[.2 .5 .6 .8 1.0 1.1]';
x2=[.1 .3 .4 .9 1.1 1.4]'; 利美知识百科
y=[.17 .26 .28 .23 .27 .24]'; limeiseo（加v分享）
X=[ones(size(x1)) x1 x2];
a=X\y copyright limeiseo
a = 0.1018 0.4844 −0.2847
利美知识百科
因此数据的拟合模型为
y=0.1018+0.4844x1−0.2487x2 limeiseo（加v分享）
4、傅里叶剖析与FFT 利美网络
应用MATLAB提供的FFT函数可方便地计算出信号的傅里叶变换，从而在频域上对信号停止剖析。 利美知识百科
例1 ：混合频率信号成分剖析。有一信号x由三种不同频率的正弦信号混合而成，经过失去信号的DFT，确定出信号的频率及其强度关系，程序如下： 利美网络
t=0:1/119:1; copyright limeiseo
x=5*sin(2*pi*20*t)+3*sin(2*pi*30*t)+sin(2*pi*45*t);
y=fft(x); limeiseo（加v分享）
m=abs(y);
f=(0:length(y) -1)'*119/length(y);
figure(1) 利美网络
subplot(2,1,1),plot(t,x),grid on
本文利美网络（www.limeiseo.com）整理发布
title('多频率混合信号') limeiseo（加v分享）
ylabel('Input \itx'),xlabel('Time ')
subplot(2,1,2),plot(f,m)
本文利美网络（www.limeiseo.com）整理发布
ylabel('Abs. Magnitude'),grid on 利美知识百科
xlabel('Frequency (Hertz)') 利美项目圈
例2 ：信号在传输过程中，因为受信道或环境影响，在接纳端失去的是噪声环境下的信号。咱们应用FFT函数对这一信号停止傅里叶剖析，从而确定信号的频率，seo教程，程序如下：
利美网络
t=0:1/199:1;
利美项目圈
x=sin(2*pi*50*t)+1.2*randn(size(t)); ％噪声中的信号 limeiseo（加v分享）
y=fft(x);
m=abs(y);
利美网络
f=(0:length(y) -1)'*199/length(y);
figure(1) 利美网络
subplot(2,1,1),plot(t,x),grid on 利美网络
title('信号检测')
limeiseo（加v分享）
ylabel('Input \itx'),xlabel('Time ') 利美项目圈
subplot(2,1,2),plot(f,m) limeiseo（加v分享）
ylabel('Abs. Magnitude'),grid on 利美网络
xlabel('Frequency (Hertz)')
例3 ：地理学家记载了300年来太阳黑子的流动情况，咱们对这组数据停止傅里叶剖析，从而得出太阳黑子的流动周期。MATLAB程序如下： copyright limeiseo
load sunspot.dat
limeiseo（加v分享）
year=sunspot(:,1);
copyright limeiseo
wolfer=sunspot(:,2);
利美项目圈
figure(1)
本文利美网络（www.limeiseo.com）整理发布
subplot(2,1,1) copyright limeiseo
plot(year,wolfer)
title('原始数据')
Y=fft(wolfer);
N=length(Y);
本文利美网络（www.limeiseo.com）整理发布
Y(1)=[];
power=abs(Y(1:N/2)).^2;
nyquist=1/2;
freq=(1:N/2)/(N/2)*nyquist;
利美知识百科
period=1./freq;
subplot(2,1,2) 利美项目圈
plot(period,power) 本文利美网络（www.limeiseo.com）整理发布
title('功率谱'), grid on
利美知识百科
关注微信
