>>
x=rand(1,5);
>>
y=2rand(1,5);
>>
cov(x,y)
%计算协方差
ans
=
01079
-00225
-00225
06148
协方差分析是建立在方差分析和回归分析基础之上的一种统计分析方法。
方差分析是从质量因子的角度探讨因素不同水平对实验指标影响的差异。一般说来,质量因子是可以人为控制的。
回归分析是从数量因子的角度出发,通过建立回归方程来研究实验指标与一个(或几个)因子之间的数量关系。但大多数情况下,数量因子是不可以人为加以控制的。
帮你写好了。
这是画图的效果
有什么不懂得可以追问
clear all, close all, clc;
% 修改a和b确定随机变量的范围
a = -1;
b = 1;
X = (rand(100000, 1) (b - a)) + a;
% 均值和方差
m = mean(X);
v = var(X);
s = a : (b - a) / 100 : b;
N = length(s);
h = (b - a) / N;
% 密度函数和分布函数
den = zeros(size(s));
dis = zeros(size(s));
for n = 1 : N - 1;
dis(n) = numel(find(X >= s(1) & X <= s(n)));
den(n) = numel(find(X >= s(n) & X <= s(n+1)));
end
dis = dis / numel(X);
% den = dis(2 : N) - dis(1 : N - 1);
den = den / numel(X) / h;
figure, hold on, title('均匀分布的概率密度曲线和概率分布曲线');
plot(s(1 : N - 1), den(1 : N - 1));
plot(s(1 : N - 1), dis(1 : N - 1), 'r');
legend('概率密度曲线', '概率分布曲线', 2);
程序如下:
t0=ones(18,1);
t1=[0 4 8 9 10 18 21 23 24 25 29 37 38 39 40 41 44 46]';
t2=t1t1;
c=[8590 13354 15233 17328 14900 16000 17040 20685 18179 17248 18467 26767 16750 21376 19624 18259 16460 10133]';
T=[t0 t1 t2];
[b,bint,r,rint,s]=regress(c,T,005);
disp(['c =' num2str(b(3)) '+' num2str(b(2)) 't+' num2str(b(1)) 't^2'])%输出方程
b%方程系数
bint%b的置信区间
r%残差
rint%r的置信区间
s%检验回归模型的统计量(对应4个参数值:相关系数r^2,F值,与F对应的概率P, 误差估计)
结果:
c =-013113+74041t+938463t^2
b =
938463
74041
-01311
bint =
490695 1386230
30080 118003
-02206 -00417
r =
-79463
121753
76430
234181
-57745
-246342
-211042
120771
-142239
-245126
-136148
793895
-183498
306032
160385
56060
-11579
-556326
rint =
-566714 407788
-460597 704102
-547131 699992
-381024 849386
-689365 573874
-860124 367440
-825767 403683
-501051 742593
-762751 478273
-855679 365427
-763083 490788
339153 1248637
-814707 447712
-306668 918733
-465710 786479
-569761 681881
-605541 582383
-1012318 -100333
s =
05007 75203 00055 9332755
以上就是关于怎么用Matlab计算两幅图像的协方差全部的内容,包括:怎么用Matlab计算两幅图像的协方差、求助,用MATLAB编制计算均匀分布随机变量均值和方差的通用程序、用matlab求一元多项式回归,并求出方差,置信区间,相关系数,F值,怎么求,求大神编程等相关内容解答,如果想了解更多相关内容,可以关注我们,你们的支持是我们更新的动力!
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)