matlab分布检验工具箱

Ⅰ 用matlab进行频谱分析应该用什么工具箱

1、采样数据导入matlab
。
采样数据的导入至少有三种方法。
第一就是手动将数据整理成matlab支持的格式，这种方法仅适用于数据量比较小的采样。
第二种方法是使用matlab的可视化交互操作，具体操作步骤为：file
-->
import
data，然后在弹出的对话框中找到保存采样数据的文件，根据提示一步一步即可将数据导入。这种方法适合于数据量较大，但又不是太大的数据。
第三种方法，使用文件读入命令。数据文件读入命令有textread、fscanf、load等，如采样数据保存在txt文件中，则推荐使用
textread命令。如[a,b]=textread('data.txt','%f%*f%f');
这条命令将data.txt中保存的数据三个三个分组，将每组的第一个数据送给列向量a，第三个数送给列向量b，第二个数据丢弃。命令类似于c语言，详细可查看其帮助文件。文件读入命令录入采样数据可以处理任意大小的数据量，且录入速度相当快，一百多万的数据不到20秒即可录入。
2、对采样数据进行频谱分析
。
频谱分析自然要使用快速傅里叶变换fft了，对应的命令即
fft
，简单使用方法为：y=fft(b,n)，其中b即是采样数据，n为fft数据采样个数。一般不指定n，即简化为y=fft(b)。y即为fft变换后得到的结果，与b的元素数相等，为复数。以频率为横坐标，y数组每个元素的幅值为纵坐标，画图即得数据b的幅频特性；以频率为横坐标，y数组每个元素的角度为纵坐标，画图即得数据b的相频特性。典型频谱分析m程序举例如下：
clc
fs=100;
t=[0:1/fs:100];
n=length(t)-1;%减1使n为偶数
%频率分辨率f=1/t=fs/n
p=1.3*sin(0.48*2*pi*t)+2.1*sin(0.52*2*pi*t)+1.1*sin(0.53*2*pi*t)...
+0.5*sin(1.8*2*pi*t)+0.9*sin(2.2*2*pi*t);
%上面模拟对信号进行采样，得到采样数据p，下面对p进行频谱分析
figure(1)
plot(t,p);
grid
on
title('信号
p(t)');
xlabel('t')
ylabel('p')
y=fft(p);
magy=abs(y(1:1:n/2))*2/n;
f=(0:n/2-1)'*fs/n;
figure(2)
%plot(f,magy);
h=stem(f,magy,'fill','--');
set(h,'markeredgecolor','red','marker','*')
grid
on
title('频谱图
（理想值：[0.48hz,1.3]、[0.52hz,2.1]、[0.53hz,1.1]、[1.8hz,0.5]、[2.2hz,0.9]）
');
xlabel('f
(hz)')
ylabel('幅值')
对于现实中的情况，采样频率fs一般都是由采样仪器决定的，即fs为一个给定的常数；另一方面，为了获得一定精度的频谱，对频率分辨率f有一个人为的规定，一般要求f<0.01，即采样时间ts>100秒；由采样时间ts和采样频率fs即可决定采样数据量，即采样总点数n=fs*ts。这就从理论上对采样时间ts和采样总点数n提出了要求，以保证频谱分析的精准度。

Ⅱ MATLAB工具箱是怎样的

MATLAB附带了很多工具箱（Toolbox），而且每次发布新版本时，工具箱几乎都要增加。按回F1键打开MATLAB的“Help”，答在窗口左边显示了MATLAB所有的工具箱。

一般来说，每个工具箱针对一个具体的问题，如图像处理工具箱（ImageProcessingToolbox）专门针对数字图像处理问题，偏微分方程工具箱（）是偏微分方程（组）求解函数的集合。一个工具箱中包含若干函数。实际上，工具箱也是一个函数库，在功能方面与MATLAB主体中的数值计算和数据可视化部分相同。但有一点区别：主体部分的核心函数都是内置函数，是用C语言编写并编译过的；而工具箱中的函数都是基于MATLAB的二次开发，即用MATLAB语言写的.m文件。用Editor打开这些文件，就可以看到源代码。

MATLAB工具箱一般具有较深厚的专业背景。本篇基本不涉及工具箱的内容。在下篇中，将从实例出发，在用到某工具箱时，对该工具箱进行简单介绍。

Ⅲ matlab的multcompare 是什么检验方法

工具箱函数汇总 Ⅰ.1 统计工具箱函数 表Ⅰ-1 概率密度函数 函数名 对应分布的概率密度函数 betapdf 贝塔分布的概率密度函数 binopdf 二项分布的概率密度函数 chi2pdf 卡方分布的概率密度函

Ⅳ 如何在MATLAB中进行正态分布检验

可以使用jbtest函数和adtest函数。具体用法如下：
1. 雅各-贝拉检验（Jarque-Bera test）
h = jbtest(x, alpha) % x为向量数据。h = 1 则说明数据不服从正态分布，如果h = 0，则说明数据服从正态分布。alpha为显著性水平，一般为0.05。
2. 安德森-达令检验（Anderson-Darling test）
h = adtest(x) % x为向量数据。h = 1 则说明数据不服从正态分布，如果h = 0，则说明数据服从正态分布。默认显著性水平为0.05。

Ⅳ 如何在MATLAB中进行正态分布检验

可以用JB( Jarque-Bera)检验, 即 h=jbtest(x)

例:

>> x=normrnd(0,1,1,100);

>> jbtest(x)

ans =

0

(正态分布)

>> x = rand(1,100);

>> jbtest(x)

ans =

1

(非正态分布)

Ⅵ 求Matlab里的statistics toolbox工具箱，就是统计的工具箱，包含normrnd函数的，谢谢！

你好，我用的版本是Matlab R2010a，我查了一下，我是自带的statistics toolbox统计工具箱。
你也查看一下吧。看是不是已经安装了。网上应该挺多的。如果不行，我建议你更新你的Matlab。
2010一开始我也不想换，换完的确比Matlab7好太多。可能2014更好些吧，你也可以尝试。
还有你说的normrnd这个语句。
R = normrnd(mu,sigma)
R = normrnd(mu,sigma,v)
R = normrnd(mu,sigma,m,n)
就是产生正态分布的是吧。
在我这也是随安装自带的。我也给你确认了以下，如果安装R2010a版本就肯定是有的。
希望能解决你的问题，谢谢。

Ⅶ 怎么在matlab平台上安装ls svmlab这个工具箱

第一步：首先将解压得到的文件夹拷贝到自己MATLAB的安装目录下，如
C:\Program Files\MATLAB\R2012b\toolbox\LSSVMlabv1_8_R2009b_R2011a

第二步：打开MATLAB，如果是Matlab7.0的话单击File，如何是2012的话在home面板上，靠近Layout那里有Set Path，然后选择Set Path这一选项，这时会出现Set Path的窗口，点击 Add Folder。。。将刚才拷贝到目录下的那个文件夹添加进来，点击Save,然后close。
第三步：检验工具箱是否添加成功：在MATLAB 的命令窗口中输入：
which tunelssvm.m
如果出现下面的情况：
>> which tunelssvm.m
C:\Program Files\MATLAB\R2012b\toolbox\LSSVMlabv1_8_R2009b_R2011a\tunelssvm.m
则表示安装成功。

Ⅷ MATLAB中t检验怎么做

stats — 检验统计量的结构体，它包含：

sd —标准偏差。对于配对t检验，SD是x - y的标准差。

df — 测试的自由度。

tstat —检验lj的值。 T 统计量。

MATLAB和Mathematica、Maple并称为三大数学软件。它在数学类科技应用软件中在数值计算方面首屈一指。

MATLAB可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等，主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。

(8)matlab分布检验工具箱扩展阅读：

程序接口：

新版本的MATLAB可以利用MATLAB编译器和C/C++数学库和图形库，将自己的MATLAB程序自动转换为独立于MATLAB运行的C和C++代码。允许用户编写可以和MATLAB进行交互的C或C++语言程序。

MATLAB网页服务程序还容许在Web应用中使用自己的MATLAB数学和图形程序。MATLAB的一个重要特色就是具有一套程序扩展系统和一组称之为工具箱的特殊应用子程序。

工具箱是MATLAB函数的子程序库，每一个工具箱都是为某一类学科专业和应用而定制的，主要包括信号处理、控制系统、神经网络、模糊逻辑、小波分析和系统仿真等方面的应用。

Ⅸ matlab如何调用统计工具箱

调用统计特工具箱的做法：

①打开matlab；

②点击左下角Start；

③进入Toolbox工具箱；

④选择Statistics；

Ⅹ 如何使用matlab拟合工具箱

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向量与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; 0.038026; 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。

4.曲线拟合(幂函数power)。
点击Fitting...按钮，出现Fitting对话框，Fitting对话框分为两部分，上面为Fit Editor，下面为Table of Fits,有时候窗口界面比较小，Fit Editor部分会被收起来，只要把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选框中选中刚才建立的x-y数据组，然后在Type of fit选框中选取拟合或回归类型，各个类型的拟合或回归相应的分别是： Custom Equations 用户自定义函数 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，移动平均等类型的拟合 Polynomial 多项式函数 Power 幂函数 Rational 有理函数（不太清楚，没有怎么用过） Smooth Spline （光滑插值或者光滑拟合，不太清楚） Sum of sin functions正弦函数类
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。于是点击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。这就是所要的结果。 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，就可以看见拟合得到的正弦曲线。