Statistics Toolbox

탐색적 자료 분석

Statistics Toolbox는 데이터 탐색을 위한 방법으로 대화형 그래픽을 통한 통계 그래프 작성, 클러스터 분석 알고리즘, 대형 데이터세트를 위한 통계기능을 제공합니다.

통계적 그래프 및 대화형 그래프제공

Statistics Toolbox는 데이터를 시각적으로 탐색할 수 있는 그래프와 차트를 포함합니다. Toolbox는 확률 그래프, 박스 플롯, 히스토그램, 산점도 그래프, 3D 히스토그램, 관리도, 분위수대조도를 통해 MATLAB® 플롯 유형을 보강합니다. Toolbox는 또한 dendograms, 행렬도, 병렬 좌표계, Andrews 플롯을 포함한 다변량 분석을 위한 특수 플롯을 포함합니다.

5개의 변수 간 상호 작용을 보여주는 그룹 산점도 행렬

5개의 변수 간 상호 작용을 보여주는 그룹 산점도 행렬

데이터세트의 다섯 숫자 요약을 제공하는 whisker가 있는 컴팩트 박스

데이터세트의 다섯 숫자 요약을 제공하는 whisker가 있는 컴팩트 박스

산점도와 히스토그램의 조합으로 변수 간 관계를 설명하는 산점 히스토그램

산점도와 히스토그램의 조합으로 변수 간 관계를 설명하는 산점 히스토그램

극단치 분배의 샘플에 대한 경험적 CDF와 샘플링 분배에 대한 CDF 플롯을 비교하는 플롯

극단치 분배의 샘플에 대한 경험적 CDF와 샘플링 분배에 대한 CDF 플롯을 비교하는 플롯

클러스터 분석

Statistics Toolbox는 계층적 클러스터링, k-평균 군집화기법 및 Gaussian 혼합을 사용하여 데이터를 분석할 수 있는 여러 알고리즘을 제공합니다.

이변(bivariate) Gaussian의 혼합에 맞는 2개 요소(two-component) Gaussian 혼합 모델

이변(bivariate) Gaussian의 혼합에 맞는 2개 요소(two-component) Gaussian 혼합 모델

동일한 예에 클러스터링 알고리즘을 적용한 결과

동일한 예에 클러스터링 알고리즘을 적용한 결과

4개의 클러스터를 가진 모델을 보여주는 Dendrogram 플롯

4개의 클러스터를 가진 모델을 보여주는 Dendrogram 플롯

예: 클러스터 분석

클러스터 분석 (예)
k-평균 및 계층 클러스터링을 사용하여 데이터의 자연적 그룹화를 찾습니다.

기술 통계

기술 통계를 사용하여 신속하게 대량의 데이터 세트를 이해하고 설명할 수 있습니다. Statistics Toolbox에는 다음과 같은 계산 함수가 포함되어 있습니다.

  • 평균, 중간값, 다양한 평균 등을 포함한 대표값 측정
  • 범위, 분산, 표준 편차, 평균 또는 절대 편차 중간값을 포함한 산포(분포) 측정
  • 선형 및 계수 상관(부분 및 전체)
  • 값이 손실된 데이터에 근거한 결과
  • 백분위수 및 사분위수 추정
  • kernel-smoothing 함수를 사용한 밀도 추정

이 함수들은 데이터 샘플에서 소수의 매우 가능성 있는 수를 사용하여 값들을 요약할 수 있도록 도와 줍니다.

경우에 따라 매개변수 메소드를 사용한 요약 통계 예측이 불가능할 수도 있습니다. 이러한 경우를 위해 Statistics Toolbox는 다음을 포함한 리샘플링 기술을 제공합니다:

  • 리샘플링을 사용한 샘플 통계 예측을 위한 일반화된 bootstrap 함수
  • 데이터 부분집합을 사용한 샘플 통계 예측을 위한 Jackknife 함수
  • 신뢰 구간 평가를 위한 bootci 함수
다음: 회귀, 분류화, ANOVA

평가판 사용 Statistics Toolbox

평가판 신청

Multilevel Mixed-Effects Modeling Using MATLAB

온라인 세미나 보기