统计的任务 --> 由样本推断总体
1.频数表与直方图 -->将数据取值划分区间，统计每个区间出现的次数
1）读入数据并转换为向量
2）[N,X]=hist(Y,M) Y行列均可、M为划分的份数，默认为10、N返回M个小区间的频数、X返回M个小区间的中点
2.统计量 -->加工后的反应样本数量特征的函数
1）表示位置的统计量——算术平均值和中位数
mean(x)返回x的均值、median（x）返回中位数
2）表示变异程度的统计量——标准差、方差和极差
a.标准差 -->各个数据与均值偏离程度的度量 std(x)
b.方差 -->标准差的平方 var(x)
c.极差 -->最大值与最小值的差值 range(x)
3)中心矩、表示分布形状的统计量——偏度和峰度 moment(x,order)返回order阶中心距
a.x的标准化变量（减去期望除以方差）的三阶中心矩成为偏度 -->反映了分布的对称性，>0为右偏态，<0为左偏态 skewness(x)
b.四阶中心距为峰度 -->正态分布的峰度为3，若比3大的多，说明样本中含有较多远离均值的数据 kurtosis(x)
3.分布函数、密度函数、上分位数：令分布函数F(x)=1-α的x值
4.常见的几个分布
1）正态分布：0.68,0.95,0.997 norm
2）卡方分布：n个相互独立的标准正态分布变量的平方和服从卡方分布 chi2
3）t分布 t
4）F分布 f
5)Matlab提供5类函数：pdf概率密度、cdf分布函数、inv分布函数反函数、stat均值与方差、rnd随机数生成
5.参数估计 已知总体的分布，由样本推断总体的参数
1）点估计 -->由样本确定总体参数的一个数值 评价：无偏性、最小方差性、有效性 方法：矩法、极大似然法
2）区间估计 -->给出一个区间，使得待估参数落在此区间内的概率为1-α，该区间成为置信区间，1-α为置信水平，α为显著性水平
对于正态总体：[mu,sigma,muci,sigmaci]=normfit(x,alpha)，x为样本，alpha为显著性水平
6.假设检验 对于总体的某些性质，提出假设，根据样本对假设做出判断是接受还是拒绝
1）方差已知，关于期望的检验（Z检验） [h,p,ci]=ztest(x,mu,sigma,alpha,tail) h=0对于H0接受，p表示在H0假设下样本均值出现的概率，p越小H0越值得怀疑，ci是置信区间，tail是三种检验方式
2）方差未知，关于期望的检验（t检验） [h,p,ci]=ttest(x,mu,alpha,tail)
3)两个正态总体的均值差的检验 [h,p,ci]=ttest2(x,y,alpha,tail) 方差不等时：h=ttest2(x,y,alpha,tail,'unequal')
4)分布拟合检验
a.卡方检验 H0:总体x的分布函数是F(x) 若形式已知，参数未知，先用极大似然法估计参数，然后做检验