专题五数据分析与多项式计算-1

简介: 专题五数据分析与多项式计算

一、数据统计分析

1、求矩阵的最大元素与最小元素

max():求向量或矩阵的最大元素。

min():求向量或矩阵的最小元素。

  • 当参数为向量时,有两种调用格式:

(1)y=max(X):返回向量X的最大值存入y,如果X中包含复数元素,则按模取最大值。

(2)[y,k]=max(X):返回向量X的最大值存入y,最大值元素的序号存入k,如果X中包含复数元素,则按模取最大值。


  • 当参数为矩阵时,有三种调用格式:

(1)max(A):返回一个行向量,向量的第i个元素是矩阵A的第i列上的最大值。

(2)[Y,U]=max(A):返回行向量Y和U,Y向量纪录A中每列的最大值,U向量记录每列最大值元素的行号。

(3)max(A,[],dim):dim取1或2。dim取1时,该函数功能与max(A)相同;当dim取2时,该函数返回一个列向量,其第i个元素是矩阵A的第i列上的最大值。

例子:求矩阵A=[13,-56,78;25,63,-235;78,25,563;1,0,-1]每行每列的最大元素,以及整个矩阵的最大元素。


2、求矩阵的平均值与中值

  • 平均值:算术平均值,值每项数据之和除以项数。用mean()函数。
  • 中值:数据序列中其值的大小恰好处在中间的元素。如果数据个数为奇数,则取值为位于中间的元素;如果数据个数为偶数,则取值为中间两个元素的平均值。用median()函数。


3、求和与求积

  • sum():求和函数
  • prod():求积函数


4、累加和与累乘积

cumsum():累加和函数

cumprod():累乘积函数


5、求标准差与相关系数

  • 标准差用于计算数据偏离平均数的距离的平均值,计算公式为

计算标准差的函数为std(),调用格式为:

(1)std(X):计算向量X的标准差。

(2)std(A):计算矩阵A的各列的标准差。

(3)std(A,flag,dim):当flag取0时,按S1所列公式计算样本标准方差;当flag取1时,按S2所列公式计算总体标准方差。默认情况下,flag=0,dim=1.

d913aabfdb461652bfdc4ebb3bf7cf6f_watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1JpY2FyZG8y,size_16,color_FFFFFF,t_70.png

相关系数能反映两组数据序列之间相互关系,其计算公式为

计算相关系数函数为corrcoef():

(1)corrcoef(A):返回由矩阵A所形成的一个相关系数矩阵。其中,第i行第j列的元素表示原矩阵A中第i列和第j列的相关系数。

(2)corrcoef(X,Y):在这里X,Y是向量,与corrcoef([X,Y])的作用一样,用于求X、Y向量之间的相关系数。

例子:评估哪个产品分配方案最为合理。

6、排序

  • sort(X):对向量X按升序排列
  • [Y,I]=sort(A,dim,mode):其中dim指明对A的列还是行进行排序。mode指明按升序还是降序,若取“ascend”为升序,若“descend”为降序,默认为升序。输出参数中,Y是排序后的矩阵,I记录Y中的元素在A中的位置。



二、多项式计算

1、多项式的表示

n次多项式:f(x)=anxn+an-1xn-1+……+a1x+a0

在MATLAB中,f(x)表示为向量形式[an,an-1,……,a1,a0]

在MATLAB中创建多项式向量时,需要注意:

(1)多项式系数向量的顺序是从高到低。

(2)多项式系数向量包含0次项系数,所以其长度为多项式最高次数加1.

(3)如果有的项没有,系数向量相应位置应用0补足。


2、多项式的四则运算

(1)多项式的加减运算

相应的向量相加减。注意,只有同次项才能相加减。不足的项添0。

(2)多项式乘法

conv(P1,P2):多项式相乘。其中,P1,P2是两个多项式系数向量。

(3)多项式除法

[Q,r]=deconv(P1,P2):多项式相除,Q返回多项式P1除以P2的商式,r返回余式。Q和r仍是多项式系数向量。deconv是conv的逆函数,因此下式成立:P1=conv(Q,P2)+r

例子:f(x)=3x5-5x4-7x2+5x+6,g(x)=3x2+5x-3,求f(x)+g(x),f(x)-g(x),f(x)*g(x),f(x)/g(x)


3、多项式的求导

(1)polyder( P):求多项式P的导函数。

(2)polyder( P,Q):求P*Q的导函数。

(3)[p,q]=polyder( P,Q):求P/Q的导函数,导函数的分子存入p,分母存入q。

例子:已知两个多项式

a(x)=3x3+x2-6;b(x)=x+2

计算两个多项式的乘积的导函数、商的导函数。


4、多项式的求值

(1)polyval(p,x):代数多项式求值,其中p为多项式系数向量,x可以是标量、向量或者矩阵。若x为标量,则求多项式在该点的值;若x为向量或矩阵,则对向量或矩阵中的每个元素求多项式。

(2)polyvalm(p,x):矩阵多项式求值,其中x要求为方阵,以方阵为自变量求多项式的值。


  • 若x都为方阵,对比polyval和polyvalm。ployval执行的是点乘运算,而polyvalm执行的是矩阵运算。

设A为方阵,P代表多项式x3-5x2+8,那么polyvalm(P,A)的含义是:

A3-5A2+8 * eye(size(A))

而ployval(P,A)的含义是:A.3-5A.2+8*ones(size(A))


例子:P为多项式x4+8x3-10,x为方阵[-1,1.2;2,-1.8]

5、多项式的求根

(1)roots( p):多项式求根函数

例子:求多项式x4+8x3-10的根


(2)若一直多项式的全部根x,poly(x)函数建立起该多项式.


(3)求函数p(x)=-38.89x2+126.11x-3.42在[0.2]区间上的最大值。

6946bcbbb8bfd8df5417479fcdac6eaf_watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1JpY2FyZG8y,size_16,color_FFFFFF,t_70.png

目录
相关文章
|
6月前
|
人工智能 前端开发 数据挖掘
Arm 发布 Neoverse 新品:数据分析性能提升 196%,奠定未来计算及 AI 的基石
北京时间 2 月 22 日,半导体巨头 Arm 更新了 Arm® Neoverse™ 产品路线图,宣布推出两款基于全新第三代 Neoverse IP 构建的全新计算子系统(CSS):Arm Neoverse CSS V3 和 Arm Neoverse CSS N3。
|
Python
python 股票数据分析、绘制K线图、价格走势图、收益率计算 完整代码+数据 可直接运行
python 股票数据分析、绘制K线图、价格走势图、收益率计算 完整代码+数据 可直接运行
207 0
python 股票数据分析、绘制K线图、价格走势图、收益率计算 完整代码+数据 可直接运行
|
安全 数据挖掘
专题五数据分析与多项式计算-2
专题五数据分析与多项式计算
76 0
|
缓存 弹性计算 分布式计算
阿里云适合建网、web应用、数据分析和计算、数据库系统的云服务器价格参考
阿里云服务器新客专享,新用户完成账号实名认证,享受优惠价格购买计算型、通用型、内存型云服务器爆款配置特价优惠,限1-2台,这些云服务器主要适合搭建网站、web应用、数据分析和计算、数据库系统等中小类型和规模的企业级应用。
413 1
阿里云适合建网、web应用、数据分析和计算、数据库系统的云服务器价格参考
|
数据挖掘 Python
|
SQL 安全 搜索推荐
隐语V0.8.0发版:基于多方安全计算的数据分析引擎SCQL上线
隐语V0.8.0发版:基于多方安全计算的数据分析引擎SCQL上线
232 0
|
数据可视化 数据挖掘 数据处理
跟着Nature Genetics学数据分析:使用GEC软件计算有效位点数从而确定GWAS的阈值
跟着Nature Genetics学数据分析:使用GEC软件计算有效位点数从而确定GWAS的阈值
|
分布式计算 数据挖掘 大数据
《如何使用大数据计算服务 MaxCompute进行数据分析》电子版地址
如何使用大数据计算服务 MaxCompute进行数据分析
115 0
《如何使用大数据计算服务 MaxCompute进行数据分析》电子版地址
|
数据挖掘
一维数组实验题:计算平均数、中位数和众数 在调查数据分析(Survey data analysis)中经常需要计算平均数、中位数和众数。用函数编程计算40个输入数据(是取值1—10之间的任意整数)的平
一维数组实验题:计算平均数、中位数和众数 在调查数据分析(Survey data analysis)中经常需要计算平均数、中位数和众数。用函数编程计算40个输入数据(是取值1—10之间的任意整数)的平
191 0
|
3月前
|
数据采集 数据可视化 数据挖掘
数据分析大神养成记:Python+Pandas+Matplotlib助你飞跃!
在数字化时代,数据分析至关重要,而Python凭借其强大的数据处理能力和丰富的库支持,已成为该领域的首选工具。Python作为基石,提供简洁语法和全面功能,适用于从数据预处理到高级分析的各种任务。Pandas库则像是神兵利器,其DataFrame结构让表格型数据的处理变得简单高效,支持数据的增删改查及复杂变换。配合Matplotlib这一数据可视化的魔法棒,能以直观图表展现数据分析结果。掌握这三大神器,你也能成为数据分析领域的高手!
75 2
下一篇
无影云桌面