Загрузите выборочные данные.

load fisheriris

Область вектора-столбца species состоит из цветков радужки трех различных видов: сетоза, версиколор и виргиника. Матрица с двойной meas состоит из четырех видов измерений на цветках: длина и ширина чашелистиков и лепестков в сантиметрах соответственно.

Сохраните данные в массиве таблиц.

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'});

Подгонка модели повторных измерений, где измерения являются откликами и species - переменная предиктора.

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

Случайным образом сгенерируйте новые значения отклика.

ysim = random(rm);

random использует значения предиктора в исходных выборочных данных, которые вы используете, чтобы соответствовать модели повторных измерений rm в таблице t.

Загрузите выборочные данные.

load repeatedmeas

Таблица between включает возраст переменных между субъектами, IQ, группу, пол и восемь повторных измерений $$y1$$ через $$y8$$ в качестве ответов. Таблица within включает переменные внутри субъекта $$w1$$ и $$w2$$. Это моделируемые данные.

Подгонка модели повторных измерений, где повторных измерений $$y1$$ через $$y8$$ являются откликами, и возраст, IQ, группа, пол и взаимодействие группа-пол являются переменными предиктора. Также задайте матрицу проекта внутри субъекта.

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

Задайте таблицу с новыми значениями для переменных предиктора.

tnew = table(16,93,{'B'},{'Male'},'VariableNames',{'Age','IQ','Group','Gender'})

tnew=1×4 table
    Age    IQ    Group     Gender 
    ___    __    _____    ________

    16     93    {'B'}    {'Male'}

Случайным образом сгенерируйте новые значения отклика с помощью значений в новой таблице tnew.

ysim = random(rm,tnew)

ysim = 1×8

   46.2252   66.8003  -40.4987   -1.9930   27.5213  -37.9809    4.8905   -3.7568