امروز:سه شنبه, ۴ اردیبهشت , ۱۴۰۳
زمان انتشار : سه شنبه, آبان 27ام, 1393 | پرینت مطلب |مهدی دوستکامیان| بازديد: 2,281 بار

آمار توصیفی در متلب

با سلام خدمت دوستان

در دستورات زیر انواع نمایه های آمار توصیفی در متلب توضیح داده شده است.

 

نمایه های مرکزی (میانگین، میانه و مد)
((:, Mm=mean(A (1

((:, Mm=median (A (1

((:, Mm=mode(A (1

 

نمایه های توزیع شکل (چولگی و کشیدگی)

((:, Mm=skewness (A (1

((:, Mm=kurtosis (A (1

 

آستانه ها (چندک ها، دامنه چارکی، ماکسیمم و مینیمم)

([۷۵ ۵۰ ۲۵](:, Mm=prctile(A (1

((:, Mm=iqr(A (1

((:, Mmm=max(A (1

((:, Mmn=min(A (1

در دستور چندک ها دقت کنید که در اینجا فقط چنک ۲۵، ۵۰ و ۷۵ مدنظر بوده است. بنابراین اگر برای شما چندک و یا دهک و چارک دیگری مورد نظر باشد کافیست آن را با فاصله در کروشه بالا قرار دهید. برای مثال اگر صدک ۳۰ و ۴۰ نیز مورد نیاز باشد کافی است که در کروشه اعداد را به ترتیب زیر قرار دهید:

[۲۵ ۵۰ ۷۵ ۳۰ ۴۰]

نکته دیگری که باید توجه کرد در دستور محاسبه دامنه چارکی می باشد که در متلب برای این کار از iqr استفاده می کنند یعنی اختلاف چارک اولی با چارک سومی می باشد.

نمایه های توزیع پراکندگی (واریانس، انحراف معیار،  ضریب تغییرات، میانگین قدر مطلق انحرافات از میانگین یا میانه)

((:, Mm=var(A (1

((:, Mm=std(A (1

۱۰۰  *(((Mm=(std(A (1, 1))/ mean(A (1,: 1

((:, Mm=mad(A (1

نکته در تمامی دستورات بالا A نام فایل مورد نظر می باشد


نویسنده : الهام یاراحمدی Iran (ISLAMIC Republic Of)
تاریخ : سه شنبه, آبان ۲۷ام, ۱۳۹۳
ساعت : ۱۳:۲۱

با سلام و وقت بخیر ؛
بنده داده های با فرمت nc را در نرم افزار Grads به txt تبدیل کرده و در نرم افزار Matlab این داده ها را خوشه بندی کرده ام، اما متاسفانه برای تفسیر این نمودار خوشه بندی با مشکل مواجه شده ام.اگر امکان دارد راجع به خوشه بندی و تحلیل آن در نرم افزار Matlab راهنمایی بفرمایید.
با تشکر

نویسنده : مهدی دوستکامیان Iran (ISLAMIC Republic Of)
تاریخ : سه شنبه, آبان ۲۷ام, ۱۳۹۳
ساعت : ۱۴:۱۵

خدمت شما باید عرض شود که وقتی شما قصد دارید خوشه بندانجام دهید متدولوژی های فراوانی در متلب برای این کار وجوددارد. یکی از رایج ترین آنها تحلیل کلاسترینگ یه خوشه ای میباشد. در این روش ها مبنای خوشه بندی بر اساس تفاوت ها و تشبهات می باشد. یعنی شما در واقع دارید بر این مبنا طبقه بندی انجام می دهید. وقتی که شما مبنارا بدانید انگاه تفسیر آن راحتر می باشد. برای مثال وقتی که برای بارش مورد نظر باشد اگر چها خوشه ایجاد گردیده است این به این معنی می باشد که شما این چهار ناحیه را بر اساس واریانس های درون گروهی و برون گروهی به جهار بخش تقسیم کردید یعنی انتظار می رود رفتار بارش در هر ناحیه ای به صورت متمایزی جدا شده باشد. در مورد سایر روش ها و همین تحلیل خوشه ای واقعا اینجا نمیشه همه چیز را توضیح داد. و لی شما در متلب بعد از اینکه داده هارا به workspace انتقال داده اید با استفاده از دستورات زیر تحلیل خوشه ای را انجام دهید:
قبل از اینکه تحلیل خوشه ای انجام دهید توصیه می شود برا اینکه نتایج بهینه تر باشد ابتدا با استفاده از دستور زیر تحلیل مولفه را انجام دهید بعد تحلیل خوشه ای را بر روی مولفه ها انجام دهید:
[ce,scor,va]=princomp(MEMBER);
در این دستور MEMBER اسم ماتریس مورد نظر می باشد.
دستورات تحلیل خوشه ای در متلب:
Y = pdist(MEMBER);
Z = linkage(Y,’ward’);
[AWE,t]=dendrogram(Z,m,’colorthreshold’,’default’);

در نهایت برای تعیین کلاسترها از دستور زیر استفاده کنید:
clusterr=cluster(Z,n);
در دستور بالا n تعداد کلاسترهای مورد نظر می باشد که تا گام دلخواه متناسب با دندروگرام تعیین خواهید کرد. حالا برای اینکه بفهیمد کدام کلاستر مناسب تر است از دستور آزمون اختلاف میانگین (teast2) استفاده کنید.

نویسنده : الهام یاراحمدی Iran (ISLAMIC Republic Of)
تاریخ : سه شنبه, آبان ۲۷ام, ۱۳۹۳
ساعت : ۱۵:۱۸

با سلام مجدد
بسیار از توضیحات ارزنده شما سپاسگزارم.

نویسنده : فائقه الماسی Iran (ISLAMIC Republic Of)
تاریخ : سه شنبه, آبان ۲۷ام, ۱۳۹۳
ساعت : ۲۲:۳۱

باسلام
آقای دوستکامیان ممکنه نحوه استخراج و فراخوانی داده مثلا hgt را دریک بازه زمانی و موقعیت مکانی بصورت txt رو توضیح بفرمایین

نویسنده : مهدی دوستکامیان Iran (ISLAMIC Republic Of)
تاریخ : سه شنبه, آبان ۲۷ام, ۱۳۹۳
ساعت : ۲۳:۱۹

با سلام
فکر کنم دوست عزیزمان جناب اقای ابراهیمی آن را دریک کامنتی به طور مختصر توضیح داده است و لی ایشالله طی روز های آینده این را در قالب یک اسکریپتی برای grads توضیح خوهیم داد.
برای فراخوانی آن در قالب txt کافی می باشد دستور زیر را اجرا کنید:
ذخیره یک فایل از متلب در قالب txt
>> dlmwrite(‘e:/nam.txt’,a,’delimiter’,’\t’,’precision’,’%.2f’,’newline’,’pc’)
در این دستور nam نام فایل می¬باشد که به آن اسم فایل txt ساخته می¬شود. a اسم ماتریس متلب، delimiter این دستور نحوه جداسازی درایه های را مشخص، اگر کلمه بعد از آن t باشد درایه ها با tab از هم جدا می¬شود. در precision دقت ارایه شده در فایل txt را مشخص می کند که به کلمه بعد از خود یعنی ۲f بستگی درد این بدین معنی می¬باشد که با دو رقم اعشار چاپ می گردد. در newline تعریف سطر و ستون ها آورده شده است در صورتی که این دستور به همراه دستور بعدی آورده نشود فایل a در یک ردیف در قالب txt ذخیره خواهد شد. مثال:
M =
۹۶ ۷۷ ۶۲ ۴۱ ۶ ۲۱ ۲ ۴۲
۲۴ ۴۶ ۸۰ ۹۴ ۳۶ ۲۰ ۷۵ ۸۵
۶۱ ۲ ۹۳ ۹۲ ۸۲ ۶۱ ۴۵ ۵۳
۴۹ ۸۳ ۷۴ ۴۲ ۱ ۲۸ ۹۴ ۲۱
۹۰ ۴۵ ۱۸ ۹۰ ۱۴ ۲۰ ۴۷ ۶۸
دستور ذخیره سازی:
>> dlmwrite(‘nam.txt’,M,’delimiter’,’\t’,’precision’,’%.2f’,’newline’,’pc’)
برای فراخوانی فایل txt از روش زیراستفاده خواهیم کرد:
در روش اول با استفاده از دستور زیر فراخوانی را انجام می دهیم:
cc=dlmread(‘nam.txt’);
cc =
۹۶ ۷۷ ۶۲ ۴۱ ۶ ۲۱ ۲ ۴۲
۲۴ ۴۶ ۸۰ ۹۴ ۳۶ ۲۰ ۷۵ ۸۵
۶۱ ۲ ۹۳ ۹۲ ۸۲ ۶۱ ۴۵ ۵۳
۴۹ ۸۳ ۷۴ ۴۲ ۱ ۲۸ ۹۴ ۲۱
۹۰ ۴۵ ۱۸ ۹۰ ۱۴ ۲۰ ۴۷ ۶۸
موید باشید.

نویسنده : zand Iran (ISLAMIC Republic Of)
تاریخ : جمعه, بهمن ۳۰ام, ۱۳۹۴
ساعت : ۰۹:۱۰

سپاس