Exponenta Banner

grpstats

Класс: RepeatedMeasuresModel

Вычислите описательную статистику повторных данных о мерах группой

расширьте все на странице

Синтаксис

statstbl = grpstats(rm,g)
statstbl = grpstats(rm,g,stats)

Описание

пример

statstbl = grpstats(rm,g) возвращает количество, среднее значение, и отклонение для данных раньше соответствовало повторной модели rm мер, сгруппированной факторами, g.

пример

statstbl = grpstats(rm,g,stats) возвращается статистика, заданная stats для данных раньше, соответствовала повторной модели rm мер, сгруппированной факторами, g.

Входные параметры

развернуть все

Повторная модель мер, возвращенная как объект RepeatedMeasuresModel.

Для свойств и методов этого объекта, смотрите RepeatedMeasuresModel.

Имя группировки фактора или факторов, заданных как вектор символов, массив строк или массив ячеек из символьных векторов.

Пример: 'Drug'

Пример: {'Drug','Sex'}

Типы данных: char | string | cell

Статистика, чтобы вычислить, заданный как одно из следующего:

  • Вектор символов или скаляр строки определение имени статистики, чтобы вычислить. Имена могут быть одним из следующих.

    ИмяОписание
    'mean'Среднее значение
    'sem'Стандартная погрешность среднего значения
    'numel'Количество или число элементов
    'gname'Название группы
    'std'Стандартное отклонение
    'var'Дисперсия
    'min'Минимум
    'max'Максимум
    'range'Максимум минус минимум
    'meanci'95%-й доверительный интервал для среднего значения
    'predci'95%-й интервал прогноза для нового наблюдения

  • Указатель на функцию — функция, которую вы задаете, должна принять вектор значений ответа для одной группы и вычислить описательную статистику для него. Функция должна обычно возвращать значение, которое ссорится. Функция должна возвратиться, тот же размер вывел каждый раз, когда grpstats вызывает его, даже если вход для некоторых групп пуст.

  • Массив строк или массив ячеек из символьных векторов и указатели на функцию.

Пример: @median

Пример: @skewness

Пример: 'gname'

Пример: {'gname','range','predci'}

Выходные аргументы

развернуть все

Значения статистики для каждой группы, возвращенной как таблица.

Примеры

развернуть все

Скрипт Open Live Script

Загрузите выборочные данные. 

load fisheriris

Вектор-столбец, species состоит из ирисовых цветов трех различных разновидностей: setosa, versicolor, и virginica. Двойной матричный meas состоит из четырех типов измерений на цветах: длина и ширина чашелистиков и лепестков в сантиметрах, соответственно.

Храните данные в табличном массиве. 

t = table(species,meas(:,1),meas(:,2),meas(:,3),meas(:,4),...
'VariableNames',{'species','meas1','meas2','meas3','meas4'});
Meas = dataset([1 2 3 4]','VarNames',{'Measurements'});

Соответствуйте повторной модели мер, где измерения являются ответами, и разновидность является переменной прогноза. 

rm = fitrm(t,'meas1-meas4~species','WithinDesign',Meas);

Вычислите количества группы, среднее значение и стандартное отклонение относительно разновидностей.

grpstats(rm,'species')
ans=3×4 table
      species       GroupCount     mean      std  
    ____________    __________    ______    ______

    'setosa'           200        2.5355    1.8483
    'versicolor'       200         3.573    1.7624
    'virginica'        200         4.285    1.9154

Теперь, вычислите область значений данных и 95% доверительных интервалов для средних значений группы для факторных разновидностей. Также отобразите название группы. 

grpstats(rm,'species',{'gname','range','predci'})
ans=3×5 table
      species          gname        GroupCount    range           predci       
    ____________    ____________    __________    _____    ____________________

    'setosa'        'setosa'           200         5.7      -1.1185      6.1895
    'versicolor'    'versicolor'       200           6     0.088976       7.057
    'virginica'     'virginica'        200         6.5       0.4985      8.0715
Скрипт Open Live Script

Загрузите выборочные данные. 

load repeatedmeas

Таблица between включает возраст переменных между предметами, IQ, группу, пол и восемь повторных мер y1 через y8 как ответы. Таблица within включает переменные w1 и w2 в предмете. Это - моделируемые данные.

Соответствуйте повторной модели мер, где повторными мерами, y1 через y8 является ответами, и возрастом, IQ, группой, полом и взаимодействием пола группы, являются переменные прогноза. Также задайте матрицу проекта в предмете.

rm = fitrm(between,'y1-y8 ~ Group*Gender + Age + IQ','WithinDesign',within);

Вычислите количества группы, среднее значение, стандартное отклонение, скошенность и эксцесс данных, сгруппированных факторами Group и Gender.

GS = grpstats(rm,{'Group','Gender'},{'mean','std',@skewness,@kurtosis})
GS=6×7 table
    Group    Gender    GroupCount     mean       std      skewness    kurtosis
    _____    ______    __________    _______    ______    ________    ________

      A      Female        40         16.554    21.498     0.35324     3.7807 
      A      Male          40         9.8335    20.602    -0.38722     2.7834 
      B      Female        40         11.261    25.779    -0.49177     4.1484 
      B      Male          40         3.6078    24.646     0.55447     2.7966 
      C      Female        40        -11.335    27.186      1.7499     6.1429 
      C      Male          40        -14.028    31.984      1.7362      5.141

Советы

  • grpstats вычисляет результаты отдельно для каждой группы. Результаты не зависят от подходящей повторной модели мер. Это вычисляет результаты на всех доступных данных, не не используя целые строки, которые содержат NaN s.

Смотрите также

|

Документация Statistics and Machine Learning Toolbox
Поддержка