rprogram创造一组离散数据

1. 什么是“离散数据”

数学中针对随机变量可能取的值列出的数据叫做离散数据，这种随机变量叫做离散型随机变量。

2. 关于离散数据处理的问题

对离散数据而言，同样存在测量的重复性和再现性问题，下面将对离散数据的分析方法作以下介绍。 一、离散数据测量系统的重复性和再现性 1、重复性 当某个检验员两次判断同一部品的外观缺陷，判断结果之间可能存在差异。

3. 请问一组离散数据，对每个点的值用其左右5个点的算术平均值来代替，用matlab应该如何实现呢

你的数据是什么，一个向量？
那么边界处你怎么平均？一般只能用单侧平均了
如果不是边界
a(1:n)是你的数据
b=0*a;
for i=3:n-2
b(i)=mean(a(i-2:i+2));
end
对于边界，看你怎么处理了，一种是
离边界一格的用3点平均
b(2)=mean(a(1:3));
b(n-1)=mean(a(n-2:n))

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

4. 怎么用MATLAB对一组离散的数据进行拟合啊，拟合成指数函数，求大神给出程序，拟合出结果，就是用图

(1) help fitted function
(2) 出现一堆英文
(3) 忽略英文，直接看示意图和表达式，找出含有指数的那个
(4) OK。按照上面的例子重复一遍就KO了。
PS：
MATLAB的本意就是希望你按照上述步骤来操作

5. 如图，EXCEL如何自动分组计算一组数据的离散值离散率

给你提供两个公式

公式1，直接按条件取数据后计算

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

因为函数会忽略非数字单元格，所以直接用IF确定要计算的平均分范围。

公式2，根据离散度的概念，按条件两次计算平均值，第一个为平均分的平均值，第二个是满足的数据与第一个平均值的差的绝对值的平均值（有点呦口），也就是对求得的绝对值再计算平均值。

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同样会忽略非数字单元格进行计算

两个公式可能都是数组公式，因为本人的Excel为365版本，数组公式无需按三键。

6. matlab中怎么将离散数据拟合

先把数据画出图形，观察有无规律，用拟合工具进行曲线、曲面拟合。你有数据吗？我可以写程序。

7. 求助一个离散数据统计的问题

关于谱能量，有这样一种解释，你可以试着去算一算信号可以分成能量信号与功率信号，非周期能量信号具有能量谱密度，是傅立叶变换的平方，功率信号具有功率谱密度，其与自相关函数是一对傅立叶变换对，等于傅立叶变换的平方/区间长度。不能混淆。能量信号是没有功率谱的。胡广书老师的书上找到这么一段话，“随机信号在时间上是无限的，在样本上也是无穷多，因此随机信号的能量是无限的，它应是功率信号。功率信号不满足付里叶变换的绝对可积的条件，因此其付里叶变换是不存在的。如确定性的正弦函数的付里叶变换是不存在，只有引入了冲激函数才求得其付里叶变换。因此，对随机信号的频谱分析，不再简单的是频谱，而是功率谱。”对于确定性信号而言，里面存在能量信号，是没有功率谱密度的，也存在功率信号，是有功率谱密度的。所以信号的频谱与是否是确定性信号没有必然联系。以下论点来源于研学论坛：频谱是信号的傅立叶变换。它描述了信号在各个频率上的分布大小。频谱的平方(当能量有限，平均功率为0时称为能量谱)描述了信号能量在各个频率上的分布大小。计算过程中，都是通过样本数据的快速傅立叶变换来计算。但不同的是，信号的频谱是复数，包含幅频响应和相频响应，重复计算时的结果基本相同。而随机信号的功率谱也可以对数据进行FFT，但必须计算模值的平方，因为功率谱是实数。而且换一组样本后，计算的结果略有不同，因为随机信号的样本取值不同。要得到真实的功率谱必须进行多次平均，次数越多越好。根据parseval定理，信号傅氏变换模平方被定义为能量谱，即单位频率范围内包含的信号能量。自然，能量跟功率有一个时间平均的关系，所以，能量谱密度在时间上平均就得到了功率谱。matlab实现经典功率谱估计fft做出来是频谱，psd做出来是功率谱；功率谱丢失了频谱的相位信息；频谱不同的信号其功率谱是可能相同的；功率谱是幅度取模后平方，结果是个实数matlab中自功率谱密度直接用psd函数就可以求，按照matlab的说法，psd能实现Welch法估计，即相当于用改进的平均周期图法来求取随机信号的功率谱密度估计。psd求出的结果应该更光滑吧。1、直接法：直接法又称周期图法，它是把随机序列x(n)的N个观测数据视为一能量有限的序列，直接计算x(n)的离散傅立叶变换，得X(k)，然后再取其幅值的平方，并除以N，作为序列x(n)真实功率谱的估计。Matlab代码示例：clear;Fs=1000; %采样频率n=0:1/Fs:1;%产生含有噪声的序列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、间接法：间接法先由序列x(n)估计出自相关函数R(n)，然后对R(n)进行傅立叶变换，便得到x(n)的功率谱估计。Matlab代码示例：clear;Fs=1000; %采样频率n=0:1/Fs:1;%产生含有噪声的序列xn=cos(2*pi*40*n)+3*cos(2*pi*100*n)+randn(size(n));nfft=1024;cxn=xcorr(xn,'unbiased'); %计算序列的自相关函数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、改进的直接法：对于直接法的功率谱估计，当数据长度N太大时，谱曲线起伏加剧，若N太小，谱的分辨率又不好，因此需要改进。3.1、Bartlett法Bartlett平均周期图的方法是将N点的有限长序列x(n)分段求周期图再平均。Matlab代码示例：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; %数据无重叠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法对Bartlett法进行了两方面的修正，一是选择适当的窗函数w(n)，并再周期图计算前直接加进去，加窗的优点是无论什么样的窗函数均可使谱估计非负。二是在分段时，可使各段之间有重叠，这样会使方差减小。Matlab代码示例：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; %数据无重叠range='half'; %频率间隔为[0 Fs/2]，只计算一半的频率[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语言做离散变量的非参估计

用R语言做非参数和半参数回归笔记_网络文库

9. 要用matlab对一组离散数据（5000个）进行定积分求值，积分范围是1000到2000，数据组成的图像如下。

clc;clear
%复化cotes公式求积分值
%[a,b]为积分区间
%n是等分区间份数

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);

采用复化cotes公式求积分值
结果积分结果为C=1.7581参考资料查数值分析教程。

其实可以简略试算一下根据梯形公式

sum(nlp(1000:1500))=1.7753

梯形公式误差比较大

10. excel构造1000个离散数据

EXCEL可以使用RANDBETWEEN 、RAND 函数产生随机数，例如：

上面使用=RANDBETWEEN(1,1000)产生1-1000之间的随机数。