Exponenta Banner
exponenta event banner

grpstats

Класс: Модель МР

Вычислить описательную статистику данных повторных измерений по группам

развернуть все на странице

Синтаксис

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

Описание

пример

statstbl = grpstats(rm,g) возвращает число, среднее значение и дисперсию для данных, используемых для соответствия модели повторных измерений rm, сгруппированные по факторам, g.

пример

statstbl = grpstats(rm,g,stats) возвращает статистику, указанную stats для данных, используемых для соответствия модели повторных измерений rm, сгруппированные по факторам, g.

Входные аргументы

развернуть все

Модель повторных измерений, возвращенная как RepeatedMeasuresModel объект.

Свойства и методы этого объекта см. в разделе RepeatedMeasuresModel.

Имя коэффициента группирования или коэффициентов, заданного как символьный вектор, строковый массив или массив ячеек символьных векторов.

Пример: 'Drug'

Пример: {'Drug','Sex'}

Типы данных: char | string | cell

Вычисляемая статистика, указанная как одно из следующих:

  • Вектор символов или строковый скаляр, указывающий имя вычисляемой статистики. Имена могут быть одним из следующих.

    ИмяОписание
    'mean'Средний
    'sem'Стандартная ошибка среднего значения
    'numel'Количество или количество элементов
    'gname'Название группы
    'std'Стандартное отклонение
    'var'Различие
    'min'Минимум
    'max'Максимум
    'range'Максимум минус минимум
    'meanci'95% доверительный интервал для среднего значения
    'predci'95% интервал прогнозирования для нового наблюдения

  • Дескриптор функции - указанная функция должна принимать вектор значений ответа для одной группы и вычислять описательную статистику для нее. Функция обычно возвращает значение, имеющее одну строку. Функция должна возвращать один и тот же размер вывода каждый раз grpstats вызывает его, даже если входные данные для некоторых групп пусты.

  • Строковый массив или массив ячеек символьных векторов и дескрипторов функций.

Пример: @median

Пример: @skewness

Пример: 'gname'

Пример: {'gname','range','predci'}

Выходные аргументы

развернуть все

Статистические значения для каждой группы, возвращаемые в виде таблицы.

Примеры

развернуть все

Открыть сценарий в реальном времени

Загрузите образцы данных. 

load fisheriris

Вектор столбца, species состоит из цветков радужки трёх различных видов: сетозы, версиколора и виргиники. Двойная матрица meas состоит из четырёх видов измерений на цветках: 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'});

Подгоните модель повторных измерений, где измерения являются откликами, а вид является предикторной переменной. 

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

Вычислить количество групп, среднее и стандартное отклонение по видам.

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 диапазон данных и 95% доверительные интервалы для групповых значений для видов факторов. Также отображается имя 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
Открыть сценарий в реальном времени

Загрузите образцы данных. 

load repeatedmeas

Стол between включает в себя переменные между субъектами возраст, IQ, группа, пол и восемь повторных показателей y1 через y8 в качестве ответов. Стол within включает переменные внутри темы w1 и w2. Это смоделированные данные.

Подгонка модели повторных измерений, где повторные измерения y1 через y8 являются ответами, а возраст, IQ, группа, пол и взаимодействие группа-пол являются предикторными переменными. Также укажите матрицу проектирования внутри субъекта.

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

Вычислить количество групп, среднее, стандартное отклонение, перекос и куртоз данных, сгруппированных по факторам 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

Совет

  • grpstats вычисляет результаты отдельно для каждой группы. Результаты не зависят от установленной модели повторных измерений. Он вычисляет результаты по всем доступным данным, не пропуская целые строки, которые содержат NaNs.

См. также

|

Документация по инструментам для статистического и машинного обучения

Поддержка