培训大纲：
第一天
导入和组织数据
目标: 了解MATLAB和统计工具箱中的各种读入数据的方法和支持的数据类型。
• 导入数据
• 数据类型
• 数据集矩阵
• 数据合并
• 数据分类
• 缺失数据
分析数据
目标:本章介绍如何对数据集进行基本的统计分析，包括显示和概要统计分析。
• 描述统计学
• 中心
• 散度
• 统计显示
• 分组数据
分布
目标: 使用统计工具箱中的函数来产生不同概率分布，对给定的数据集拟合一个分布。
• 概率分布
• 分布参数
• 比较和拟合分布
• 非参数化拟合
• 分布目标
假设检验
目标: 使用统计工具箱来判断对数据集的断言是否准确。假设检验的常见应用，比如比较两个分布，确定置信区间等。
• 假设检验
• 正态分布检验
• 非正态分布检验
第二天
方差分析
目标: 使用统计工具箱中的函数比较多组数据的采样平均值，找到数据组之间的显著区别。
• 多种比较
• One-way ANOVA
• N-way ANOVA
• MANOVA
• Nonnormal ANOVA
• 分类相关
回归
目标:对数据集进行线性和非线性模型，介绍提高模型质量的俄方法。
• 线性回归模型
• 设计矩阵
• 执行线性回归
• 增加和减少预测器
• 加强鲁棒性
• 广义线性回归
• 非线性回归
处理多维数据
目标:了解对数据集降维的方法，对数据进行分类。
• 特征转换
• 特征选择
• 分类
• 聚类
随机数和仿真
目标:使用随机数仿真系统的不确定性。主要介绍产生各种不同分布的随机数和随机数声生成的算法。
• 子举和仿真
• 随机数生成器
• 随机数流
• 任意分布
培训特色
授课讲师，拥有丰富的企业应用能力、实际经验和丰富的授课经验
