Создайте два примера векторов данных, содержащих три и четыре различных значения соответственно.

x = [1 1 2 3 1];
y = [1 2 5 3 1];

Перекрестная таблица x и y.

table = crosstab(x,y)

table = 3×4

     2     1     0     0
     0     0     0     1
     0     0     1     0

Строки в table соответствуют трем различным значениям в x, и столбцы соответствуют четырем различным значениям в y.

Создайте два независимых вектора, x1 и x2, каждое из которых содержит 50 дискретных одинаковых случайных чисел в диапазоне 1:3.

rng default;  % for reproducibility
x1 = unidrnd(3,50,1);
x2 = unidrnd(3,50,1);

Перекрестная таблица x1 и x2.

[table,chi2,p] = crosstab(x1,x2)

table = 3×3

     1     6     7
     5     5     2
    11     7     6

chi2 = 7.5449

p = 0.1097

Возвращенный p значение 0.1097 указывает, что на уровне значимости 5%, crosstab не может отклонить нулевую гипотезу, что table является независимым в каждом измерении.

Загрузите образец данных, который содержит измерения больших модельных автомобилей в течение 1970-1982 лет.

load carbig

Перекрестно-табличные данные четырехцилиндровых вагонов (cyl4) на основе модельного года (when) и страна происхождения (org).

[table,chi2,p,labels] = crosstab(cyl4,when,org);

Использовать labels для определения местоположения индекса в table по количеству четырёхцилиндровых автомобилей, изготовленных в США за поздний период данных.

labels

labels=3×3 cell array
    {'Other'   }    {'Early'}    {'USA'   }
    {'Four'    }    {'Mid'  }    {'Europe'}
    {0x0 double}    {'Late' }    {'Japan' }

Первый столбец labels соответствует данным в cyl4, и указывает, что строка 2 из table содержит данные об автомобилях с четырьмя цилиндрами. Второй столбец labels соответствует данным в when, и указывает, что столбец 3 из table содержит данные об автомобилях, изготовленных в поздний период. Третий столбец labels соответствует данным в org, и указывает это местоположение 1 третьего измерения table содержит данные об автомобилях, изготовленных в США.

Поэтому table(2,3,1) содержит количество четырёхцилиндровых автомобилей, изготовленных в США за поздний период.

table(2,3,1)

ans = 38

Данные содержат 38 четырёхцилиндровых автомобилей, изготовленных в США за поздний период.

Создайте таблицу непредвиденных обстоятельств на основе данных и визуализируйте таблицу в диаграмме тепловых карт.

Загрузите данные больницы.

load hospital

hospital массив наборов данных содержит данные о 100 пациентах больницы, включая фамилию, пол, возраст, вес, статус курения, а также систолические и диастолические измерения артериального давления.

Преобразование массива наборов данных в таблицу MATLAB ®.

Tbl = dataset2table(hospital);

Определите, не зависит ли статус курения от пола, создав таблицу непредвиденных обстоятельств 2 на 2 курильщиков и некурящих, сгруппированную по полу.

[conttbl,chi2,p,labels] = crosstab(Tbl.Sex,Tbl.Smoker)

conttbl = 2×2

    40    13
    26    21

chi2 = 4.5083

p = 0.0337

labels = 2x2 cell
    {'Female'}    {'0'}
    {'Male'  }    {'1'}

Строки результирующей таблицы непредвиденных расходов conttbl соответствуют полу пациента, причем строка 1 содержит данные для женщин и строка 2 содержит данные для мужчин. Столбцы соответствуют статусу курения пациента, причем столбец 1 содержит данные для некурящих, и столбец 2 содержит данные для курильщиков. Возвращенный результат chi2 = 4.5083 - значение статистики критерия хи-квадрат для критерия независимости Пирсона хи-квадрат. Значение $\mathit{}$p для теста p = 0.0337 предполагает, что при уровне значимости 5% отказ от нулевой гипотезы о том, что пол и статус курения независимы.

Визуализация таблицы непредвиденных обстоятельств в тепловой карте. Постройте график состояния курения на $\mathit{}$оси X и пола на $\mathit{}$оси Y.

heatmap(Tbl,'Smoker','Sex')