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'});

Подбирайте модель повторных измерений, где измерения являются ответами, и разновидность является переменным предиктором.

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

Предскажите ответы для трех разновидностей.

Y = predict(rm,t([1 51 101],:))

Y = 3×4

    5.0060    3.4280    1.4620    0.2460
    5.9360    2.7700    4.2600    1.3260
    6.5880    2.9740    5.5520    2.0260

Загрузите выборочные данные.

load longitudinalData

Матричный Y содержит данные об ответе для 16 индивидуумов. Ответ является уровнем в крови препарата, измеренного в пяти моментах времени (время = 0, 2, 4, 6, и 8). Каждая строка Y соответствует индивидууму, и каждый столбец соответствует моменту времени. Первыми восемью предметами является розетка, и вторыми восемью предметами является штекер. Это - симулированные данные.

Задайте переменную, которая хранит гендерную информацию.

Gender = ['F' 'F' 'F' 'F' 'F' 'F' 'F' 'F' 'M' 'M' 'M' 'M' 'M' 'M' 'M' 'M']';

Храните данные в соответствующем табличном формате массивов, чтобы выполнить анализ повторных измерений.

t = table(Gender,Y(:,1),Y(:,2),Y(:,3),Y(:,4),Y(:,5), ...
    'VariableNames',{'Gender','t0','t2','t4','t6','t8'});

Задайте переменную в предметах.

Time = [0 2 4 6 8]';

Подбирайте модель повторных измерений, где уровни в крови являются ответами, и пол является переменным предиктором.

rm = fitrm(t,'t0-t8 ~ Gender','WithinDesign',Time);

Предскажите ответы в промежуточные времена.

time = linspace(0,8)';
Y = predict(rm,t([1 5 8 12],:), ...
    'WithinModel','orthogonalcontrasts','WithinDesign',time);

Постройте предсказания наряду с предполагаемыми крайними средними значениями.

plotprofile(rm,'Time','Group',{'Gender'})
hold on; 
plot(time,Y,'Color','k','LineStyle',':');
legend('Gender=F','Gender=M','Predictions')
hold off

Загрузите выборочные данные.

load longitudinalData

Матричный Y содержит данные об ответе для 16 индивидуумов. Ответ является уровнем в крови препарата, измеренного в пяти моментах времени (время = 0, 2, 4, 6, и 8). Каждая строка Y соответствует индивидууму, и каждый столбец соответствует моменту времени. Первыми восемью предметами является розетка, и вторыми восемью предметами является штекер. Это - симулированные данные.

Задайте переменную, которая хранит гендерную информацию.

Gender = ['F' 'F' 'F' 'F' 'F' 'F' 'F' 'F' 'M' 'M' 'M' 'M' 'M' 'M' 'M' 'M']';

Храните данные в соответствующем табличном формате массивов, чтобы выполнить анализ повторных измерений.

t = table(Gender,Y(:,1),Y(:,2),Y(:,3),Y(:,4),Y(:,5), ...
    'VariableNames',{'Gender','t0','t2','t4','t6','t8'});

Задайте переменную в предметах.

Time = [0 2 4 6 8]';

Подбирайте модель повторных измерений, где уровни в крови являются ответами, и пол является переменным предиктором.

rm = fitrm(t,'t0-t8 ~ Gender','WithinDesign',Time);

Предскажите ответы в промежуточные времена.

time = linspace(0,8)';
[ypred,ypredci] = predict(rm,t([1 5 8 12],:), ...
    'WithinModel','orthogonalcontrasts','WithinDesign',time);

Постройте предсказания и доверительные интервалы для предсказаний наряду с предполагаемыми крайними средними значениями.

p1 = plotprofile(rm,'Time','Group',{'Gender'});
hold on; 
p2 = plot(time,ypred,'Color','k','LineStyle',':');
p3 = plot(time,ypredci(:,:,1),'k--');
p4 = plot(time,ypredci(:,:,2),'k--');
legend([p1;p2(1);p3(1)],'Gender=F','Gender=M','Predictions','Confidence Intervals')
hold off