遵义师范学院

1、遵义师范学院统计理论课程教学大纲课程名称：统计理论(statistical theory)课程类别：专业基础课程开课对象：计算机科学与技术专业本科班 开课学期：第5学期先修课程： 概率论与数理统计,matlab课程性质：必修学分课时：2学分，32课时开课单位：信息工程学院教材： MATLAB统计分析与应用：40个案例分析、谢中华编著，北京航空航天大学出版社，2015参考书： 1 数理统计与数据分析(原书第3版) 平装 2011年6月1日，JohnA.Rice (作者), 田金方 (译者)，机械工业出版社; 第3版 (2011年6月1日)2 概率论与数理统计(第4版) 平装 2010年10月1日

2、，盛骤 (编者), 谢式千 (编者), 潘承毅 (编者)，高等教育出版社; 第4版 (2010年10月1日)3 高等数理统计(第2版) 平装 茆诗松 (作者), 王静龙 (作者), 濮晓龙 (作者)，高等教育出版社; 第2版 (2006年5月1日)4 MATLAB R2015b概率与数理统计 平装 邓奋发 (作者)，清华大学出版社; 第1版 (2017年1月1日)5 数理统计与MATLAB数据分析(第2版)(附光盘) 平装 王岩 (作者), 隋思涟 (作者)，清华大学出版社; 第2版 (2014年5月1日)6 高等学校十三五规划教材:概率论与数理统计及其MATLAB实现 平装 苗晨 (编者),

3、 刘国志 (编者)，化学工业出版社; 第1版 (2016年3月1日)一、课程性质统计学作为一门研究如何收集、整理、显示和分析数据的方法论科学，主要目的在于教给学生如何运用科学的统计理论和方法从数量方面认识客观事物发展变化的规律性。学生通过系统地学习统计基本知识、基本理论和方法，掌握科学认识事物数量规律性的入门钥匙，并为掌握其他学科知识以及毕业后从事的工作奠定基础。在日常社会经济活动中，人们对任何事物都可以从定性和定量两个方面加以分析，而在现代经济管理、经济决策中，人们越来越重视对客观事物的数量分析。统计作为一种有效的数量分析工具，早已渗透到社会经济的方方面面，人们的工作、学习和生活都离不开统计

4、。本课程主要内容有统计的基本概念、数据的搜集、数据的图表展示、数据的概括性度量、参数估计、假设检验、方差分析、回归分析、时间序列分析和预测、统计指数等。高等院校计算机科学与技术类各专业承担着为社会培养各类IT人才的重任，这些专业所培养的学生能否熟练地利用统计知识和方法解决实际工作中遇到的数量分析问题，是衡量其办学质量的重要尺度之一。因此，统计学在高等院校计算机科学与技术类的课程体系中占有十分重要的地位。As a science of methodology studying on how to collect data, how to sort out data, how to display

5、 data and how to analyze data, Statistics is aiming to make students grasp the quantitative laws of development and change in things using the statistical theories and statistical methods. Once students grasp the elementary knowledge of Statistics, the elementary theories of Statistics and the eleme

6、ntary methods of Statistics, they may acquire the keys to understand the quantitative laws in things and lay a foundation for them to study the scientific knowledge in other subjects and do well their works after undergraduate.Anyone can analyze anything from its qualitative and quantitative aspects

7、 in the activities of computer science and technology. However, people mostly emphasize the quantitative analysis of objective things in the activities of economic management and economic decision-making. As a very effective tool of quantitative analysis, Statistics has been applied in every field o

8、f society and economy. It is indispensable for people to work, study and live very well.This curriculum mainly contains the follows: some elementary concepts of statistics, data collection, data display with statistical tables and charts, general measurement of data, parameter estimating, hypotheses

9、 testing, analysis of variance, analysis of regression, time series analysis and forecasting, statistical index, and so on.Not only there have been very important tasks for the relevant computer science and technology majors in colleges and universities to train the talents who will work well in the

10、 activities of economy and management for our society, but also it is one important rule to evaluate the teaching quality of a college or university, which is that their students would whether or not apply proficiently the statistical knowledge and methods to resolve the problems of quantitative ana

11、lysis in practical works. Therefore, Statistics has a very important status in the system of subjects in application-oriented local colleges or universities.二、课程的教学内容、基本要求及学时分配（一）教学内容第1章 MATLAB编程简介1.1 MATLAB工作界面布局与路径设置1.1.1 MATLAB工作界面布局1.2 变量的定义与数据类型1.2.1 变量的定义和赋值1.2.2 MATLAB中变量1.2.3 MATLAB中的关键字1.2.

12、4 数据类型1.2.5 数据输出格式1.3 常用函数1.4 数组运算1.4.1 矩阵的定义1.4.2 特殊矩阵1.4.3 高维数组1.4.4 定义元胞数组1.4.5 定义结构体数据1.4.6 几组数组的转换1.4.7 矩阵的算数运算1.4.8矩阵的关系运算 1.4.9 矩阵的逻辑运算1.4.10矩阵的其他运算1.5 MATLAB语言的流程结构1.5.1 条件控制结构1.5.2 循环结构1.5.3 try-catch试探结构1.5.4 break,continue,returan和pause函数1.6 M代码的编写和调试1.6.1 脚本文件1.6.2 函数文件1.6.3 匿名函数和内联函数1.6

13、.4 子函数与嵌套函数1.6.5 函数递归调用1.6.6 M代码的调试1.6.7 MATLAB常用快捷键和快捷命令1.7 MATLAB绘图基础1.7.1 图形对象与图形对象句柄1.7.2 二维图形绘制1.7.3三维图形绘制1.7.4 图形的打印和输出第2章 数据的导入与导出 2.1 案例1：从TXT文件中读取数据 2.1.1 利用数据导入向导导入TXT文件 2.1.2 调用高级函数读取数据 2.1.3 调用低级函数读取数据 2.2 案例2：把数据写入TXT文件 2.2.1 调用dlmread函数写入数据 2.2.2 调用fprintf函数写入数据 2.3 案例3：从Excel文件中读取数据 2

14、.3.1 利用数据导入向导导入Excel文件 2.3.2 调用xlsread函数读取数据 2.4 案例4：把数据写入Excel文件 第3章 数据的预处理 3.1 案例5：数据的平滑处理 3.1.1 smooth函数 3.1-2 smoothts函数 3.1.3 medfiltl函数 3.2 案例6：数据的标准化变换 3.2.1 标准化变换公式 3.2.2 标准化变换的MATLAB实现 3.3 案例7：数据的极差归一化变换 3.3.1 极差归一化变换公式 3.3.2 极差归一化变换的MATLAB实现 第4章 概率分布与随机数 4.1案例8：概率分布及概率计算4.1.1 概率分布的定义4.1.2

15、几种常用概率分布4.1.3 概率密度、分布和逆概率分布函数值的计算4.2 案例9：生成一元分布随机数 4.2.1 均匀分布随机数和标准正态分布随机数 4.2.2 RandStream类 4.2.3 常见一元分布随机数 4.2.4 任意一元分布随机数 4.2.5一元混合分布随机数4.3 案例10：生成多元分布随机数 4.4 案例11：蒙特卡洛方法 4.4.1 有趣的蒙提霍尔问题 4.4.2 抽球问题的蒙特卡洛模拟 4.4.3 用蒙特卡洛方法求圆周率 4.4.4 用蒙特卡洛方法求积分 4.4.5 街头骗局揭秘 第5章 描述性统计量和统计图5.1 案例背景5.2 案例描述5.3 案例12：描述性统计

16、量5.3.1 均值5.3.2 方差和标准差5.3.3 最大值和最小值5.3.4 极差5.3.5 中位数5.3.6 分位数5.3.7 众数5.3.8 变异系数5.3.9 原点矩5.3.10 中心距5.3.11 偏度5.3.12 峰度5.3.13 协方差5.3.14 相关系数5.4 案例13：统计图5.4.1 箱线图5.4.2 频数直方图5.4.3 经验分布函数图5.4.4 正态概率图5.4.5 p-p图5.4.6 q-q 图5.5 案例扩展：频数和频率分布表第6章参数估计与假设检验6.1案例14：参数估计6.1.1常见分布的参数估计6.1.2自定义分布的参数估计6.2案例15：正态总体参数的检验

17、6.2.1总体标准差已知时的单个正态总体均值的U检验6.2.2总体标准差未知时的单个正态总体均值的t检验6.2.3总体标准差未知时的两个正态总体均值的比较t检验6.2.4总体均值未知时的单个正态总体方差的2检验6.2.5总体均值未知时的两个正态总体方差的比较F检验6.2.6检验功效与样本容量的计算6.3案例16：常用非参数检验6.3.1游程检验6.3.2符号检验6.3.3Wilcoxon符号秩检验6.3.4MannWhitney秩和检验6.3.5分布的拟合与检验6.4案例17：核密度估计6.4.1经验密度函数6.4.2核密度估计6.4.3核密度估计的MATLAB实现6.4.4核密度估计的案例分

18、析第7章Copula理论及应用实例7.1Copula函数的定义与基本性质7.1.1二元Copula函数的定义及性质7.1.2多元Copula函数的定义及性质7.2常用的Copula函数7.2.1正态Copula函数7.2.2tCopula函数7.2.3阿基米德copula函数7.3Copula函数与相关性度量7.3.1Pearson线性相关系数7.3.2Kendall秩相关系数7.3.3Spearman秩相关系数s7.3.4尾部相关系数7.3.5基于Copula函数的相关性度量7.3.6基于常用二元Copula函数的相关性度量7.4案例18：沪深股市日收益率的二元Copula模型7.4.1案例

19、描述7.4.2确定边缘分布7.4.3选取适当的Copula函数7.4.4参数估计7.4.5与Copula有关的MATLAB函数7.4.6案例的计算与分析第8章方差分析8.1案例19：单因素一元方差分析8.1.1单因素一元方差分析的MATLAB实现8.1.2案例分析8.2案例20：双因素一元方差分析8.2.1双因素一元方差分析的MATLAB实现8.2.2案例分析8.3案例21：多因素一元方差分析8.3.1多因素一元方差分析的MATLAB实现8.3.2案例分析一8.3.3案例分析二8.4案例22：单因素多元方差分析8.4.1单因素多元方差分析的MATLAB实现8.4.2案例分析8.5案例23：非参

20、数方差分析8.5.1非参数方差分析的MATLAB实现8.5.2KruskalWallis检验的案例分析8.5.3Friedman检验的案例分析第9章回归分析9.1MATLAB回归模型类9.1.1线性回归模型类9.1.2非线性回归模型类9.2案例24：一元线性回归9.2.1数据的散点图9.2.2模型的建立与求解9.2.3回归诊断9.2.4稳健回归9.3案例25：一元非线性回归9.3.1数据的散点图9.3.2模型的建立与求解9.3.3回归诊断9.3.4利用曲线拟合工具cftool作一元非线性拟合9.4案例26：多元线性和广义线性回归9.4.1可视化相关性分析9.4.2多元线性回归9.4.3多元多项

21、式回归9.4.4拟合效果图9.4.5逐步回归9.5案例27：多元非线性回归9.5.1案例描述9.5.2模型建立9.5.3模型求解9.6案例28：多项式回归9.6.1多项式回归模型9.6.2多项式回归的MATLAB实现9.6.3多项式回归案例第10章 聚类分析10.1聚类分析简介10.1.1距离和相似系数10.1.2系统聚类法10.1.3K均值聚类法10.1.4模糊C均值聚类法10.2案例29：系统聚类法的案例分析10.2.1系统聚类法的MATLAB函数10.2.2样品聚类案例10.2.3变量聚类案例10.3案例30：K均值聚类法的案例分析10.3.1K均值聚类法的MATLAB函数10.3.2K

22、均值聚类法案例10.4案例31：模糊C均值聚类法的案例分析10.4.1模糊C均值聚类法的MATLAB函数10.4.2模糊C均值聚类法案例第11章 判别分析11.1判别分析简介11.1.1距离判别11.1.2贝叶斯判别11.1.3Fisher判别11.2案例32：距离判别法的案例分析11.2.1classify函数11.2.2案例分析11.3案例33：贝叶斯判别法的案例分析11.3.1NaiveBayes类11.3.2案例分析11.4案例34：Fisher判别法的案例分析11.4.1Fisher判别分析的MATLAB实现11.4.2案例分析第12章 主成分分析12.1主成分分析简介12.1.1主

23、成分分析的几何意义12.1.2总体的主成分12.1.3样本的主成分12.1.4关于主成分表达式的两点说明12.2主成分分析的MATLAB函数12.2.1pcacov函数12.2.2princomp函数12.2.3pcares函数12.3案例35：从协方差矩阵或相关系数矩阵出发求解主成分12.3.1调用pcacov函数做主成分分析12.3.2结果分析12.4案例36：从样本观测值矩阵出发求解主成分12.4.1调用princomp函数做主成分分析12.4.2结果分析12.4.3调用pcares函数重建观测数据第13章 因子分析13.1因子分析简介13.1.1基本因子分析模型13.1.2因子模型的基

24、本性质13.1.3因子载荷阵和特殊方差阵的估计13.1.4因子旋转13.1.5因子得分13.1.6因子分析中的Heywood现象13.2因子分析的MATLAB函数13.3案例37：基于协方差矩阵或相关系数矩阵的因子分析13.4案例38：基于样本观测值矩阵的因子分析13.4.1读取数据13.4.2调用factoran函数作因子分析第14章 利用MATLAB生成Word和Excel文档14.1组件对象模型（COM）14.1.1什么是COM14.1.2COM接口14.2MATLAB中的ActiveX控件接口技术14.2.1actxcontrol函数14.2.2actxcontrollist函数14.

25、2.3actxcontrolselect函数14.2.4actxserver函数14.2.5利用MATLAB调用COM对象14.2.6调用actxserver函数创建组件服务器14.3案例39：利用MATLAB生成Word文档14.3.1调用actxserver函数创建MicrosoftWord服务器14.3.2建立Word文本文档14.3.3插入表格14.3.4插入图片14.3.5保存文档14.3.6完整代码14.4案例40：利用MATLAB生成Excel文档14.4.1调用actxserver函数创建MicrosoftExcel服务器14.4.2新建Excel工作簿14.4.3获取工作表对

26、象句柄14.4.4插入、*、删除、移动和重命名工作表14.4.5页面设置14.4.6选取工作表区域14.4.7设置行高和列宽14.4.8合并单元格14.4.9边框设置14.4.10设置单元格对齐方式14.4.11写入单元格内容14.4.12插入图片14.4.13保存工作簿14.4.14完整代码附录A图像处理中的统计应用案例A.1基于图像资料的数据重建与拟合A.1.1案例描述A.1.2重建图像数据A.1.3曲线拟合A.2基于K均值聚类的图像分割A.2.1灰度图像分割案例A.2.2真彩图像分割案例A.3基于中位数算法的运动目标检测A.3.1案例描述A.3.2中位数算法原理A.3.3本案例的MATL

27、AB实现一A.3.4本案例的MATLAB实现二A.3.5本案例的MATLAB实现三A.4基于贝叶斯判别的手写体数字识别A.4.1样本图片的预处理A.4.2创建朴素贝叶斯分类器对象A.4.3判别效果A.5基于主成分分析的图像压缩与重建A.5.1基于主成分分析的图像压缩与重建原理A.5.2图像压缩与重建的MATLAB实现附录BMATLAB统计工具箱函数大全参考文献（二）基本要求第1章 MATLAB编程简介了解 MATLAB工作界面布局与路径设置；理解变量的定义与数据类型、关键字、数据类型；熟悉MATLAB常用函数、数组运算、MATLAB语言的流程结构；掌握 M代码的编写和调试；应用 MATLAB绘

28、图知识处理二维和三维图形绘制以及图形的打印和输出。第2章 数据的导入与导出 熟悉从TXT文件中读取数据和把数据写入TXT文件；掌握从Excel文件中读取数据、调用xlsread函数读取数据以及把数据写入Excel文件。第3章 数据的预处理 了解数据的平滑处理方法；熟悉数据的标准化变换；掌握数据的极差归一化变换。第4章 概率分布与随机数 了解概率分布定义及概率计算几种方式；熟悉如何生成一元分布随机数；掌握生成多元分布随机数；应用蒙特卡洛方法解决一些应用问题：比如有趣的蒙提霍尔问题、抽球问题的蒙特卡洛模拟 、用蒙特卡洛方法求圆周率、用蒙特卡洛方法求积分、街头骗局揭秘。第5章 描述性统计量和统计图了

29、解描述性统计量的定义，比如均值、方差和标准差、最大值和最小值、极差、 中位数、 分位数、 众数、 变异系数、 原点矩、中心距、偏度、 峰度、协方差、相关系数；熟悉四种统计图即：箱线图、频数直方图、经验分布函数图、正态概率图、p-p图、 q-q 图；应用频数和频率分布表方法。第6章 参数估计与假设检验了解常见分布的参数估计和自定义分布的参数估计；理解正态总体参数的检验；熟悉常用非参数检验；掌握核密度估计的方法。第7章Copula理论及应用实例了解Copula函数的定义与基本性质；理解常用的Copula函数；掌握Copula函数与相关性度量；应用相关方法求解沪深股市日收益率的二元Copula模型。

30、第8章方差分析了解单因素一元方差分析、双因素一元方差分析；理解多因素一元方差分析、单因素多元方差分析;熟悉非参数方差分析；掌握非参数方差分析的MATLAB实现；应用相关知识解决KruskalWallis检验的案例分析和检验的案例分析。第9章回归分析了解MATLAB回归模型类：一元线性回归和一元非线性回归；掌握多元线性和广义线性回归；熟悉多元非线性回归；应用多项式回归方法。第10章 聚类分析了解聚类分析概念；掌握聚类分析的方法；理解系统聚类法的案例分析；熟悉K均值聚类法的案例分析；应用模糊C均值聚类法进行案例分析。第11章 判别分析了解判别分析简介；理解距离判别法的案例分析、贝叶斯判别法的案例分析；掌握Fisher判别法的案例分析方法。第12章 主成分分析了解主成分分析简介、主成分分析的MATLAB函数；理解从协方差矩阵或相关系数矩阵出发求解主成分；熟悉从样本观测值矩阵出发求解主成分；掌握调用pcares函数重建观测数据。第13章 因子分析了解基本因子分析模型、因子模型的基本性质；理解因子分析的MATLAB函数；熟悉