1. 数据统计分析
a. 求最大元素与最小元素
>> x=[-43,72,9,16,23,47]
x =
-43 72 9 16 23 47
>> y=max(x)
y =
72
>> [y,k]=max(x)
y =
72
k =
2
>> A=[13,-56,78;25,63,-235;78,25,563;1,0,-1]
A =
13 -56 78
25 63 -235
78 25 563
1 0 -1
>> max(A)
ans =
78 63 563
>> max(A,[],2)
ans =
78
63
563
1
>> max(max(A))
ans =
563
>> max(A(:))
ans =
563
b. 求平均值与中值
c.求和与求积
d. 累加和与累乘积
>> X=[1,2,3,4,5,6,7,8,9,10];
>> y1 = prod(x)
y1 =
-481935744
>> y2 = cumprod(X)
y2 =
Columns 1 through 4
1 2 6 24
Columns 5 through 8
120 720 5040 40320
Columns 9 through 10
362880 3628800
样本标准差：
整体标准差：
e. 求标准差与相关系数
f. 排序
2. 多项式计算
3. 数据插值
4. 数据插值应用举例
5. 曲线拟合
6. 曲线拟合应用举例
在实现方法上，数据插值要求逼近函数经过样本点，而曲线拟合不要求逼近函数经过样本点，只要求总体误差最小。
在结果上，数据插值往往分段进行逼近，没有统一的逼近函数。而曲线拟合用一个函数进行整体逼近，有确定的函数表达式。
在侧重点上，数据插值一般用于样本区间内的插值计算，而曲线拟合不仅可以估算区间内其它点的函数值，还可以预测时序数据的发展趋势，以及从统计数据中总结一般性经验。
在应用场合方面：如果样本数据为精确数据，适合采用数据插值方法，如果样本数据为统计数据或存在误差，适合采用曲线拟合的方法。