rprogram創造一組離散數據

1. 什麼是「離散數據」

數學中針對隨機變數可能取的值列出的數據叫做離散數據，這種隨機變數叫做離散型隨機變數。

2. 關於離散數據處理的問題

對離散數據而言，同樣存在測量的重復性和再現性問題，下面將對離散數據的分析方法作以下介紹。 一、離散數據測量系統的重復性和再現性 1、重復性 當某個檢驗員兩次判斷同一部品的外觀缺陷，判斷結果之間可能存在差異。

3. 請問一組離散數據，對每個點的值用其左右5個點的算術平均值來代替，用matlab應該如何實現呢

你的數據是什麼，一個向量？
那麼邊界處你怎麼平均？一般只能用單側平均了
如果不是邊界
a(1:n)是你的數據
b=0*a;
for i=3:n-2
b(i)=mean(a(i-2:i+2));
end
對於邊界，看你怎麼處理了，一種是
離邊界一格的用3點平均
b(2)=mean(a(1:3));
b(n-1)=mean(a(n-2:n))

邊界用adams-bashforth 插
b(1)=2*a(2)-a(3);
b(n)=2*a(n-1)-a(n-2);

4. 怎麼用MATLAB對一組離散的數據進行擬合啊，擬合成指數函數，求大神給出程序，擬合出結果，就是用圖

(1) help fitted function
(2) 出現一堆英文
(3) 忽略英文，直接看示意圖和表達式，找出含有指數的那個
(4) OK。按照上面的例子重復一遍就KO了。
PS：
MATLAB的本意就是希望你按照上述步驟來操作

5. 如圖，EXCEL如何自動分組計算一組數據的離散值離散率

給你提供兩個公式

公式1，直接按條件取數據後計算

E2=AVEDEV(IF(A$2:A$21&C$2:C$21=A2&C2,D$2:D$21))

因為函數會忽略非數字單元格，所以直接用IF確定要計算的平均分范圍。

公式2，根據離散度的概念，按條件兩次計算平均值，第一個為平均分的平均值，第二個是滿足的數據與第一個平均值的差的絕對值的平均值（有點呦口），也就是對求得的絕對值再計算平均值。

F2=AVERAGE(IF(A$2:A$21&C$2:C$21=A2&C2,ABS(D$2:D$21-AVERAGE(IF(A$2:A$21&C$2:C$21=A2&C2,D$2:D$21)))))

AVERAGE同樣會忽略非數字單元格進行計算

兩個公式可能都是數組公式，因為本人的Excel為365版本，數組公式無需按三鍵。

6. matlab中怎麼將離散數據擬合

先把數據畫出圖形，觀察有無規律，用擬合工具進行曲線、曲面擬合。你有數據嗎？我可以寫程序。

7. 求助一個離散數據統計的問題

關於譜能量，有這樣一種解釋，你可以試著去算一算信號可以分成能量信號與功率信號，非周期能量信號具有能量譜密度，是傅立葉變換的平方，功率信號具有功率譜密度，其與自相關函數是一對傅立葉變換對，等於傅立葉變換的平方/區間長度。不能混淆。能量信號是沒有功率譜的。胡廣書老師的書上找到這么一段話，「隨機信號在時間上是無限的，在樣本上也是無窮多，因此隨機信號的能量是無限的，它應是功率信號。功率信號不滿足付里葉變換的絕對可積的條件，因此其付里葉變換是不存在的。如確定性的正弦函數的付里葉變換是不存在，只有引入了沖激函數才求得其付里葉變換。因此，對隨機信號的頻譜分析，不再簡單的是頻譜，而是功率譜。」對於確定性信號而言，裡面存在能量信號，是沒有功率譜密度的，也存在功率信號，是有功率譜密度的。所以信號的頻譜與是否是確定性信號沒有必然聯系。以下論點來源於研學論壇：頻譜是信號的傅立葉變換。它描述了信號在各個頻率上的分布大小。頻譜的平方(當能量有限，平均功率為0時稱為能量譜)描述了信號能量在各個頻率上的分布大小。計算過程中，都是通過樣本數據的快速傅立葉變換來計算。但不同的是，信號的頻譜是復數，包含幅頻響應和相頻響應，重復計算時的結果基本相同。而隨機信號的功率譜也可以對數據進行FFT，但必須計算模值的平方，因為功率譜是實數。而且換一組樣本後，計算的結果略有不同，因為隨機信號的樣本取值不同。要得到真實的功率譜必須進行多次平均，次數越多越好。根據parseval定理，信號傅氏變換模平方被定義為能量譜，即單位頻率范圍內包含的信號能量。自然，能量跟功率有一個時間平均的關系，所以，能量譜密度在時間上平均就得到了功率譜。matlab實現經典功率譜估計fft做出來是頻譜，psd做出來是功率譜；功率譜丟失了頻譜的相位信息；頻譜不同的信號其功率譜是可能相同的；功率譜是幅度取模後平方，結果是個實數matlab中自功率譜密度直接用psd函數就可以求，按照matlab的說法，psd能實現Welch法估計，即相當於用改進的平均周期圖法來求取隨機信號的功率譜密度估計。psd求出的結果應該更光滑吧。1、直接法：直接法又稱周期圖法，它是把隨機序列x(n)的N個觀測數據視為一能量有限的序列，直接計算x(n)的離散傅立葉變換，得X(k)，然後再取其幅值的平方，並除以N，作為序列x(n)真實功率譜的估計。Matlab代碼示例：clear;Fs=1000; %采樣頻率n=0:1/Fs:1;%產生含有雜訊的序列xn=cos(2*pi*40*n)+3*cos(2*pi*100*n)+randn(size(n));window=boxcar(length(xn)); %矩形窗nfft=1024;[Pxx,f]=periodogram(xn,window,nfft,Fs); %直接法plot(f,10*log10(Pxx));2、間接法：間接法先由序列x(n)估計出自相關函數R(n)，然後對R(n)進行傅立葉變換，便得到x(n)的功率譜估計。Matlab代碼示例：clear;Fs=1000; %采樣頻率n=0:1/Fs:1;%產生含有雜訊的序列xn=cos(2*pi*40*n)+3*cos(2*pi*100*n)+randn(size(n));nfft=1024;cxn=xcorr(xn,'unbiased'); %計算序列的自相關函數CXk=fft(cxn,nfft);Pxx=abs(CXk);index=0:round(nfft/2-1);k=index*Fs/nfft;plot_Pxx=10*log10(Pxx(index+1));plot(k,plot_Pxx);3、改進的直接法：對於直接法的功率譜估計，當數據長度N太大時，譜曲線起伏加劇，若N太小，譜的解析度又不好，因此需要改進。3.1、Bartlett法Bartlett平均周期圖的方法是將N點的有限長序列x(n)分段求周期圖再平均。Matlab代碼示例：clear；Fs=1000;n=0:1/Fs:1;xn=cos(2*pi*40*n)+3*cos(2*pi*100*n)+randn(size(n));nfft=1024;window=boxcar(length(n)); %矩形窗noverlap=0; %數據無重疊p=0.9; %置信概率[Pxx,Pxxc]=psd(xn,nfft,Fs,window,noverlap,p);index=0:round(nfft/2-1);k=index*Fs/nfft;plot_Pxx=10*log10(Pxx(index+1));plot_Pxxc=10*log10(Pxxc(index+1));figure(1)plot(k,plot_Pxx);pause;figure(2)plot(k,[plot_Pxx plot_Pxx-plot_Pxxc plot_Pxx+plot_Pxxc]);3.2、Welch法Welch法對Bartlett法進行了兩方面的修正，一是選擇適當的窗函數w(n)，並再周期圖計算前直接加進去，加窗的優點是無論什麼樣的窗函數均可使譜估計非負。二是在分段時，可使各段之間有重疊，這樣會使方差減小。Matlab代碼示例：clear;Fs=1000;n=0:1/Fs:1;xn=cos(2*pi*40*n)+3*cos(2*pi*100*n)+randn(size(n));nfft=1024;window=boxcar(100); %矩形窗window1=hamming(100); %海明窗window2=blackman(100); %blackman窗noverlap=20; %數據無重疊range='half'; %頻率間隔為[0 Fs/2]，只計算一半的頻率[Pxx,f]=pwelch(xn,window,noverlap,nfft,Fs,range);[Pxx1,f]=pwelch(xn,window1,noverlap,nfft,Fs,range);[Pxx2,f]=pwelch(xn,window2,noverlap,nfft,Fs,range);plot_Pxx=10*log10(Pxx);plot_Pxx1=10*log10(Pxx1);plot_Pxx2=10*log10(Pxx2);figure(1)plot(f,plot_Pxx);pause;figure(2)plot(f,plot_Pxx1);pause;figure(3)plot(f,plot_Pxx2);

8. 如何用r語言做離散變數的非參估計

用R語言做非參數和半參數回歸筆記_網路文庫

9. 要用matlab對一組離散數據（5000個）進行定積分求值，積分范圍是1000到2000，數據組成的圖像如下。

clc;clear
%復化cotes公式求積分值
%[a,b]為積分區間
%n是等分區間份數

load('C:UsersyanglongDesktop
.mat')
a=1000;b=1500;
C=0;
h=4;
n=(b-a)/h;
fori=1:(n-1)
x0=a+i*h;
C=C+14*nlp(x0);
end
fork=0:(n-1)
x0=a+h*k;
s=32*nlp(x0+h*1/4)+12*nlp(x0+h*1/2)+32*nlp(x0+h*3/4);
C=C+s;
end
C=C+7*(nlp(a)+nlp(b));
C=C*h/90;
C=double(C);

採用復化cotes公式求積分值
結果積分結果為C=1.7581參考資料查數值分析教程。

其實可以簡略試算一下根據梯形公式

sum(nlp(1000:1500))=1.7753

梯形公式誤差比較大

10. excel構造1000個離散數據

EXCEL可以使用RANDBETWEEN 、RAND 函數產生隨機數，例如：

上面使用=RANDBETWEEN(1,1000)產生1-1000之間的隨機數。