Beschreibende Statistik und Erkenntnisse

Zusammenfassen von Daten mithilfe beschreibender Statistik und Regressionsmodellen

Die beschreibende Statistik beschreibt quantitativ die Merkmale eines Datensatzes. Sie können Ihre Daten mit beschreibender Statistik wie Mittelwert, Median, Standardabweichung und Perzentilen auswerten und zusammenfassen. Zudem können Sie durch Analyse von Korrelationen und Anpassung von Regressionsmodellen die Beziehungen zwischen Variablen bewerten.

Funktionen

alle erweitern

Grundlegende Statistik

Zentrale Tendenz

`mean`	Durchschnitt oder Mittelwert eines Arrays
`median`	Median value of array
`mode`	Most frequent values in array
`rms`	Root mean square value

Extreme

`min`	Minimum elements of array
`mink`	Find `k` smallest elements of array
`max`	Maximale Elemente eines Arrays
`maxk`	Find `k` largest elements of array
`bounds`	Minimum and maximum values of an array

Verbreitung und Verteilung

`std`	Standard deviation
`var`	Variance
`prctile`	Percentiles of data set
`quantile`	Quantiles of data set
`iqr`	Interquartile range of data set

Rollierende und kumulative Statistik

Gleitende Statistik

`movmin`	Moving minimum
`movmax`	Moving maximum
`movmean`	Moving mean
`movmedian`	Moving median
`movmad`	Moving median absolute deviation
`movstd`	Moving standard deviation
`movvar`	Moving variance
`movsum`	Moving sum
`movprod`	Moving product

Kumulative Statistik

`cummax`	Cumulative maximum
`cummin`	Cumulative minimum
`cumsum`	Cumulative sum
`cumprod`	Cumulative product

Datenzusammenfassungen

`summary`	Data summary
`pivot`	Summarize tabular data in pivoted table (Seit R2023a)
`groupsummary`	Compute summary statistics by group

Regression und Prognose

Kovarianz und Korrelation

`cov`	Covariance
`corrcoef`	Correlation coefficients
`xcov`	Cross-covariance
`xcorr`	Kreuzkorrelation

Datenanpassung

`mldivide`	Solve systems of linear equations Ax = B for x
`mrdivide`	Solve systems of linear equations xA = B for x
`polyfit`	Polynomiale Kurvenanpassung
`polyval`	Polynomiale Auswertung

Prognosemetriken

`rmse`	Root mean squared error between arrays (Seit R2022b)
`mape`	Mean absolute percentage error between arrays (Seit R2022b)

Datenverteilungen

`kde`	Kernel density estimate for univariate data (Seit R2023b)
`histogram`	Histogram plot
`histcounts`	Histogram bin counts

Themen

Statistik

Compute Mean, Median, and Other Descriptive Statistics
Summarize data by computing one or more simple descriptive statistics.
Compare Global, Moving, and Cumulative Statistics
Get data insights by computing and visualizing global, moving, and cumulative statistics.
Explore Basic Statistics on 2-D Plot
Interactively summarize data by computing, visualizing, and saving descriptive statistics for 2-D plotted data using the Data Statistics tool.

Regression und Prognose

Linear Correlation
Covariance and correlation coefficients help to describe the linear relationship between variables.
Lineare Regression mit einer Prädiktorvariable
Passen Sie mit polyfit ein lineares Regressionsmodell erster und zweiter Ordnung an und werten Sie es mit polyval für eine Prädiktor- und eine Reaktionsvariable aus.
Linear Regression with Nonpolynomial Terms
Fit a nonpolynomial linear regression model for one predictor variable and one response variable by constructing a design matrix and using the backslash operator (\).
Linear Regression with Multiple Predictor Variables
Fit a polynomial linear regression model for multiple predictor variables and one response variable by constructing a design matrix and using the backslash operator (\).
Interactively Fit Data and Visualize Model
Interactively fit and validate polynomial regression models for 2-D plotted data by using the Basic Fitting tool. Then, use the models to interpolate and extrapolate the data.

Enthaltene Beispiele

Identify and Visualize Correlated Variables

Calculate, filter, rank, and visualize correlations between variables.

Live Script öffnen