Exponenta Banner

grpstats

Класс: RepeatedMeasuresModel

Вычислите описательную статистику данных о повторных измерениях группой

расширьте все на странице

Синтаксис

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

Описание

пример

statstbl = grpstats(rm,g) возвращает количество, среднее значение, и отклонение для данных раньше соответствовало модели rm повторных измерений, сгруппированный факторами, g.

пример

statstbl = grpstats(rm,g,stats) возвращает статистику, заданную stats для данных, используемых, чтобы соответствовать модели rm повторных измерений, сгруппированный факторами, g.

Входные параметры

развернуть все

Модель повторных измерений, возвращенная как RepeatedMeasuresModel объект.

Для свойств и методов этого объекта, смотрите RepeatedMeasuresModel.

Имя группировки фактора или факторов в виде вектора символов, массива строк или массива ячеек из символьных векторов.

Пример: 'Drug'

Пример: {'Drug','Sex'}

Типы данных: char | string | cell

Статистика, чтобы вычислить в виде одного из следующего:

  • Вектор символов или строковый скаляр, задающий имя статистики, чтобы вычислить. Имена могут быть одним из следующих.

    ИмяОписание
    'mean'Среднее значение
    'sem'Стандартная погрешность среднего значения
    'numel'Количество или число элементов
    'gname'Название группы
    'std'Стандартное отклонение
    'var'Дисперсия
    'min'Минимум
    'max'Максимум
    'range'Максимум минус минимум
    'meanci'95%-й доверительный интервал для среднего значения
    'predci'95%-й интервал предсказания для нового наблюдения

  • Указатель на функцию — функция, которую вы задаете, должна принять вектор из значений отклика для одной группы и вычислить описательную статистику для него. Функция должна обычно возвращать значение, которое ссорится. Функция должна возвратиться, тот же размер вывел каждый раз grpstats вызовы это, даже если вход для некоторых групп пуст.

  • Массив строк или массив ячеек из символьных векторов и указатели на функцию.

Пример: @median

Пример: @skewness

Пример: 'gname'

Пример: {'gname','range','predci'}

Выходные аргументы

развернуть все

Значения статистики для каждой группы, возвращенной как таблица.

Примеры

развернуть все

Скрипт Open Live Script

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);

Вычислите количества группы, среднее значение и стандартное отклонение относительно разновидностей.

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 область значений данных и 95% доверительных интервалов для средних значений группы для факторных разновидностей. Также отобразите название 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
Скрипт Open Live Script

Загрузите выборочные данные. 

load repeatedmeas

Таблица between включает возраст переменных между предметами, IQ, группу, пол и восемь повторных измерений y1 через y8 как ответы. Таблица within включает переменные w1 в предмете и w2. Это - симулированные данные.

Подбирайте модель повторных измерений, где повторные измерения y1 через y8 ответы, и возраст, IQ, группа, пол, и взаимодействие пола группы является переменными предикторами. Также задайте матрицу проекта в предмете.

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

Вычислите количества группы, среднее значение, стандартное отклонение, скошенность и эксцесс данных, сгруппированных факторами 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

Советы

  • grpstats вычисляет результаты отдельно для каждой группы. Результаты не зависят от подбиравшей модели повторных измерений. Это вычисляет результаты на всех доступных данных, не не используя целые строки, которые содержат NaNs.

Смотрите также

|

Документация Statistics and Machine Learning Toolbox

Поддержка