matlab能做GAM（广义相加模型）吗

我也想了解这方面的，不过好像matlab没法做 ，它可以方便作的：1、矩阵运算 MTALAB最强的项目就是矩阵运算，计算效率远远高于C/C++，是常用的工程计算线性方程组的计算软件。2、MTALB强大的作图功能MTALAB具有强大的3D绘图功能，函数调用简单，并且很多功能都以工具箱的方式可供应用，即使是没有接触过MATLAB，学会绘制3D图，也很容易3、数据拟合功能MATLAB具有强大数据分析拟合能力，常用的拟合工具箱CFTOOL4、数值积分微分运算MATLAB内部有现成的一些常用的数值计算方法，例如牛顿法、高斯法等，同时MATLAB也可以进行符号运算，进行符号积分以及微分运算。5、MATLAB还可以进行仿真实验，以及图像处理等等专业功能。

随机变量的累积概率值(分布函数值)1通用函数计算累积概率值命令通用函数cdf用来计算随机变量的概率之和(累积概率值)函数cdf格式说明返回以name为分布,随机变量X≤K的概率之和的累积概率值,name的取值见表4-1常见分布函数表2专用函数计算累积概率值(随机变量的概率之和)命令二项分布的累积概率值函数binocdf格式binocdf(k,n,p)%n为试验总次数,p为每次试验事件A发生的概率,k为n次试验中事件A发生的次数,该命令返回n次试验中事件A恰好发生k次的概率.命令正态分布的累积概率值函数normcdf格式normcdf()%返回F(x)=的值,mu,sigma为正态分布的两个参数表专用函数的累积概率值函数表函数名调用形式注释unifcdfunifcdf(x,a,b)[a,b]上均匀分布(连续)累积分布函数值F(x)=P{X≤x}unidcdfunidcdf(x,n)均匀分布(离散)累积分布函数值F(x)=P{X≤x}expcdfexpcdf(x,Lambda)参数为Lambda的指数分布累积分布函数值F(x)=P{X≤x}normcdfnormcdf(x,mu,sigma)参数为mu,sigma的正态分布累积分布函数值F(x)=P{X≤x}chi2cdfchi2cdf(x,n)自由度为n的卡方分布累积分布函数值F(x)=P{X≤x}tcdftcdf(x,n)自由度为n的t分布累积分布函数值F(x)=P{X≤x}fcdffcdf(x,n1,n2)第一自由度为n1,第二自由度为n2的F分布累积分布函数值gamcdfgamcdf(x,a,b)参数为a,b的分布累积分布函数值F(x)=P{X≤x}betacdfbetacdf(x,a,b)参数为a,b的分布累积分布函数值F(x)=P{X≤x}logncdflogncdf(x,mu,sigma)参数为mu,sigma的对数正态分布累积分布函数值nbincdfnbincdf(x,R,P)参数为R,P的负二项式分布概累积分布函数值F(x)=P{X≤x}ncfcdfncfcdf(x,n1,n2,delta)参数为n1,n2,delta的非中心F分布累积分布函数值nctcdfnctcdf(x,n,delta)参数为n,delta的非中心t分布累积分布函数值F(x)=P{X≤x}ncx2cdfncx2cdf(x,n,delta)参数为n,delta的非中心卡方分布累积分布函数值raylcdfraylcdf(x,b)参数为b的瑞利分布累积分布函数值F(x)=P{X≤x}weibcdfweibcdf(x,a,b)参数为a,b的韦伯分布累积分布函数值F(x)=P{X≤x}binocdfbinocdf(x,n,p)参数为n,p的二项分布的累积分布函数值F(x)=P{X≤x}geocdfgeocdf(x,p)参数为p的几何分布的累积分布函数值F(x)=P{X≤x}hygecdfhygecdf(x,M,K,N)参数为M,K,N的超几何分布的累积分布函数值poisscdfpoisscdf(x,Lambda)参数为Lambda的泊松分布的累积分布函数值F(x)=P{X≤x}说明累积概率函数就是分布函数F(x)=P{X≤x}在x处的值.

第一种方法：直接调用random函数，如下：

datan1 = random('norm', 3.5, sqrt(5.8))

datag1 = random('gam', 0.3, 4.0)

datap1 = random('poiss', 4.2)

random函数的第一个字符串参数表明了分布类型，后面的参数依次是该分布按习惯顺序的对应参数，例如正态分布就是μ（均值）和σ（标准差），伽马分布就是α（形状参数）和β（尺度参数），泊松分布就是单参数λ（均值或方差）。

第二种方法：用各自分布对应的函数，如下：

datan2 = normrnd(3.5, sqrt(5.8))

datag2 = gamrnd(0.3, 4.0)

datap2 = poissrnd(4.2)

参数依次是该分布按习惯顺序的对应参数，用法同上，可以认为是random函数结合不同分布的字符串退化为各自分布的独立函数。

第三种方法：利用标准参数下的分布函数结合参数进行运算，仅对正态分布有效，如下：

datan3 = 3.5 + sqrt(5.8) * randn

由于将普通的正态分布转化为标准正态分布十分简单，因此上面的计算后得到相应参数的正态分布是合理的；其实伽马分布也有参数归一化后的函数randg，但将其转化为对应参数的伽马分布是较为困难的，因此这里就不推荐使用这个函数了；另外，泊松分布不存在参数归一化的可能，因此MATLAB中也不存在randp这个函数。

---