plot::Histogram2d

Графики гистограммы данных

Блокноты MuPAD® будут демонтированы в будущем релизе. Используйте live скрипты MATLAB® вместо этого.

Live скрипты MATLAB поддерживают большую часть функциональности MuPAD, хотя существуют некоторые различия. Для получения дополнительной информации смотрите, Преобразуют Notebook MuPAD в Live скрипты MATLAB.

Синтаксис

plot::Histogram2d(data, <a = amin .. amax>, options)

Описание

plot::Histogram2d создает график гистограммы определенных данных, показывая плотность распределения в определяемом пользователем массиве ячеек.

По умолчанию данные сгруппированы в 7 классов равной ширины. Чтобы увеличить число ячеек, но все еще сделали, чтобы они были равной ширины, установили Cells = [n], как в Примере 1. Для полного контроля над классами, набор Cells к списку, задающему ячейки, как в Примере 2.

Пока атрибут Area не изменяется от его значения по умолчанию 0, plot::Histogram2d отображает абсолютное количество данных в классе как высота соответствующей панели. С Area = a, a > 0, целый график возьмет область a, с каждой прямоугольной областью, пропорциональной количеству точек данных в его ячейке. Пример 3 показывает различие подробно.

По умолчанию, ячейки (“классы”), данные атрибутом Cells = [a_1 .. b_1, a_2 .. b_2, dots] интерпретированы как набор полуоткрытых интервалов, которые закрываются на правильном контуре. Элемент данных x соответствуется в i-th ячейку, если она удовлетворяет ai < x ≤ bi. Используйте опцию CellsClosed = Left или эквивалентный ClassesClosed = Left интерпретировать классы как полуоткрытые интервалы, которые закрываются на левом контуре.

Атрибуты

АтрибутЦельЗначение по умолчанию
AffectViewingBoxвлияние объектов на ViewingBox из сценыTRUE
AntiAliasedсглаженные линии и точки?TRUE
Areaобласть графика гистограммы0
Cellsклассы графиков гистограммы[7]
CellsClosedинтерпретация классов в графиках гистограммыRight
ClassesClosedинтерпретация классов в графиках гистограммы[Right]
Colorосновной цветRGB::GeraniumLake
Data(статистические) данные, чтобы построить 
DrawModeориентация полей и панелейVertical
Filledзаполненные или прозрачные области и поверхностиTRUE
FillColorцвет областей и поверхностейRGB::GeraniumLake
FillPatternтип заполнения областиSolid
Framesколичество систем координат в анимации50
Legendделает запись легенды 
LegendTextкороткий объяснительный текст для легенды 
LegendEntryдобавить этот объект в легенду?FALSE
LineColorцвет линийRGB::Black
LineWidthширина линий0.35
LineStyleтело, подчеркнутые штриховой линией или пунктирные линии?Solid
LinesVisibleвидимость линийTRUE
Nameимя объекта графика (для браузера и легенды) 
ParameterEndзакончите значение параметра анимации 
ParameterNameимя параметра анимации 
ParameterBeginначальное значение параметра анимации 
ParameterRangeобласть значений параметра анимации 
PointSizeразмер точек1.5
PointStyleстиль презентации точекFilledCircles
TimeEndвремя окончания анимации10.0
TimeBeginвремя начала анимации0.0
TimeRangeоперативный промежуток анимации0.0.. 10.0
Titleобъектный заголовок 
TitleFontшрифт объектных заголовков[" sans-serif ", 11]
TitlePositionположение объектных заголовков 
TitleAlignmentвыравнивание по горизонтали заголовков w.r.t. их координатыCenter
TitlePositionXположение объектных заголовков, x компонент 
TitlePositionYположение объектных заголовков, y компонент 
VisibleвидимостьTRUE
VisibleAfterобъект, видимый после этой временной стоимости 
VisibleBeforeобъект, видимый до этой временной стоимости 
VisibleFromToобъект, видимый в это время, располагается 
VisibleAfterEndобъект, видимый после его законченного времени анимации?TRUE
VisibleBeforeBeginобъект, видимый перед его временем анимации, запускается?TRUE

Примеры

Пример 1

Чтобы построить гистограмму нормально распределенного процесса, мы сначала создаем генератор случайных чисел с этим распределением:

X := stats::normalRandom(0, 1)

Затем мы создаем небольшое количество “измерений”:

data := [X() $ i = 1..20]

Эти данные готовы быть помещенными в plot::Histogram2d:

plot(plot::Histogram2d(data))

Этот график, если ничто иное, показывает, что 20 выборок - очень немногие. Давайте повторим процесс с большим количеством данных:

data := [X() $ i = 1..300]:
plot(plot::Histogram2d(data))

С другой стороны, этот объем данных, конечно, выравнивает по ширине более прекрасную классификацию:

plot(plot::Histogram2d(data, Cells = [15]))

Пример 2

Также возможно дать ячейки (классы) непосредственно. Для этого необходимо дать им как области значений или списки с двумя элементами, как в следующем примере:

X := stats::normalRandom(0, 1):
data := [X() $ i = 1 .. 100]:
min(data), max(data)

h := plot::Histogram2d(data,
            Cells = [-2.5..-1.5, -1.5..-1, -1..0,
                     0..1, 1..1.5, 1.5..2.5])

plot(h)

Даже возможно использовать - infinity и infinity как ограничивают значения в ячейках:

h::Cells := [-infinity..-2, -2..-1, -1..0,
             0..1, 1..2, 2..infinity]:
plot(h)

Пример 3

Одна потенциальная проблема с классами неравной ширины - то, что все еще высота панелей соответствует количеству точек данных в классе. Чтобы видеть, почему это может быть проблемой, считайте данные совершенно равномерно распределенными:

data := [i/1000 $ i = 1..1000]:

Строя гистограмму этих данных, мы видим только очень маленькие отклонения от прямоугольника, вызванного тем, которые 1000 и 7 являются взаимно-простыми:

plot(plot::Histogram2d(data))

Однако строя гистограмму с неровными классами, изображение выглядит очень отличающимся:

plot(plot::Histogram2d(data,
       Cells = [0..1/2, 1/2..2/3, 2/3..3/4, 3/4..4/5, 4/5..1]))

Чтобы сделать не, высота, а скорее область панели зависят от количества выборок в классе, устанавливают Area к положительному значению:

plot(plot::Histogram2d(data,
       Cells = [0..1/2, 1/2..2/3, 2/3..3/4, 3/4..4/5, 4/5..1],
       Area = 1))

Обратите внимание на то, что с Area = 1, график гистограммы масштабируется соответственно к функции плотности вероятности отображенной переменной:

X := stats::normalRandom(0, 1):
data := [X() $ i = 1..1000]:
h := plot::Histogram2d(data, Cells = [15],
                       Area = 1, Color = RGB::Blue):
f := plot::Function2d(stats::normalPDF(0, 1),
                      x = -3..3, LineWidth = 1*unit::mm,
                      Color = RGB::Black):
plot(h, f)

delete X, data, h, f:

Параметры

data

Данные, чтобы построить: список действительных значений или выражений в параметре анимации a.

data эквивалентно атрибуту Data.

a

Параметр анимации, заданный как a = amin..amax, где amin начальное значение параметров и amax итоговое значение параметров.

Смотрите также

Функции MuPAD

MuPAD графические примитивы

Для просмотра документации необходимо авторизоваться на сайте