matlab如何计算正态分布概率分布 MATLAB如何处理数据异常正态分布？

matlab如何计算正态分布概率分布

MATLAB如何处理数据异常正态分布？

MATLAB如何处理数据异常正态分布？

在进行正态分布建模时，先对数据进行数据过滤，去掉数据中的噪声。

积差相关计算？

相关系数：考察两个事物（在数据里我们称之为变量）之间的相关程度。　　　　如果有两个变量：X、Y，最终计算出的相关系数的含义可以有如下理解：　　(1)、当相关系数为0时，X和Y两变量无关系。　　(2)、当X的值增大（减小），Y值增大（减小），两个变量为正相关，相关系数在0.00与1.00之间。　　(3)、当X的值增大（减小），Y值减小（增大），两个变量为负相关，相关系数在-1.00与0.00之间。　　　　相关系数的绝对值越大，相关性越强，相关系数越接近于1或-1，相关度越强，相关系数越接近于0，相关度越弱。　　通常情况下通过以下取值范围判断变量的相关强度：　　相关系数 0.8-1.0 极强相关　　0.6-0.8 强相关　　0.4-0.6 中等程度相关　　0.2-0.4 弱相关　　0.0-0.2 极弱相关或无相关　　　　Pearson（皮尔逊）相关系数　　　　1、简介　　　　皮尔逊相关也称为积差相关（或积矩相关）是英国统计学家皮尔逊于20世纪提出的一种计算直线相关的方法。　　2、适用范围　　当两个变量的标准差都不为零时，相关系数才有定义，皮尔逊相关系数适用于：　　(1)、两个变量之间是线性关系，都是连续数据。　　(2)、两个变量的总体是正态分布，或接近正态的单峰分布。　　(3)、两个变量的观测值是成对的，每对观测值之间相互独立。　　　　3、Matlab实现　　　　皮尔逊相关系数的Matlab实现（依据公式四实现）：　　[cpp] view plaincopy　　function coeff myPearson(X , Y)　　% 本函数实现了皮尔逊相关系数的计算操作　　%　　% 输入：　　% X：输入的数值序列　　% Y：输入的数值序列　　%　　% 输出：　　% coeff：两个输入数值序列X，Y的相关系数　　%　　　　if length(X) ~ length(Y)　　error(两个数值数列的维数不相等)　　return　　end　　　　fen户i sum(X .* Y) - (sum(X) * sum(Y)) / length(X)　　fenmu sqrt((sum(X .^2) - sum(X)^2 / length(X)) * (sum(Y .^2) - sum