ベクトルを反転させるのには、wrevという関数が使える。
といっても、中身は非常にシンプル。あえて、関数化する必要もないと思うのだが・・・
y=wrev(x)
x：ベクトル
2010年10月28日木曜日
2010年10月13日水曜日
2010年10月6日水曜日
ANOVA 分散因子解析
3群比較などの検定を行う時に使うのがＡＮＯＶＡ解析。
p = anova1(X)
p = anova1(X,group)
p = anova1(X,group,displayopt)
[p,table] = anova1(...)
[p,table,stats] = anova1(...)
行列Xは（サンプルＸ群）で入力する。
p値が十分小さければ、群間の平均は等しくなく、有意差があることになる。
その後、post hocテストで正式に有意差を示すことができる（ここを参照）。
multcompare
という関数にstatsを入力すればＯＫらしい。
（例）
[p t st]=anova1(X,{'50Hz','200Hz','800Hz'},'off');
[c,m,h,nms]=multcompare(st,'display','on');
[nms num2cell(m)]
p = anova1(X)
p = anova1(X,group)
p = anova1(X,group,displayopt)
[p,table] = anova1(...)
[p,table,stats] = anova1(...)
行列Xは（サンプルＸ群）で入力する。
p値が十分小さければ、群間の平均は等しくなく、有意差があることになる。
その後、post hocテストで正式に有意差を示すことができる（ここを参照）。
multcompare
という関数にstatsを入力すればＯＫらしい。
（例）
[p t st]=anova1(X,{'50Hz','200Hz','800Hz'},'off');
[c,m,h,nms]=multcompare(st,'display','on');
[nms num2cell(m)]
2010年10月5日火曜日
polyfit 多項式のフィッティング
p = polyfit(x,y,n)
[p,S] = polyfit(x,y,n)
[p,S,mu] = polyfit(x,y,n)
例えば、リニアフィッティングなら、
x=1:3;
y=[190 204 305];
[p,s,mu]=polyfit(x,y,1);
p =
57.5000 233.0000
s =
R: [2x2 double]
df: 1
normr: 35.5176
mu =
2
1
となる。pは係数（aX+bのaとb）ということになる。
sは
muは、データｘの平均と分散か。
ちなみに、フィットぐらいを調べる関数として、こんなものありました。
gfit
参考までにどうぞ。
ちなみに、Goodness-of-Fittingはオプション８に相当する。
[p,S] = polyfit(x,y,n)
[p,S,mu] = polyfit(x,y,n)
例えば、リニアフィッティングなら、
x=1:3;
y=[190 204 305];
[p,s,mu]=polyfit(x,y,1);
p =
57.5000 233.0000
s =
R: [2x2 double]
df: 1
normr: 35.5176
mu =
2
1
となる。pは係数（aX+bのaとb）ということになる。
sは
muは、データｘの平均と分散か。
ちなみに、フィットぐらいを調べる関数として、こんなものありました。
gfit
参考までにどうぞ。
ちなみに、Goodness-of-Fittingはオプション８に相当する。
2010年10月3日日曜日
行列の左右反転 Flip the matrix from right to left
fliplr
FLIPLR 行列の左右方向の反転
FLIPLR(X) は、X の行はそのままで、列を左右方向に反転させた結果を返します。
たとえば、
X = 1 2 3 は 3 2 1 になります。
4 5 6 6 5 4
FLIPLR 行列の左右方向の反転
FLIPLR(X) は、X の行はそのままで、列を左右方向に反転させた結果を返します。
たとえば、
X = 1 2 3 は 3 2 1 になります。
4 5 6 6 5 4
登録:
投稿 (Atom)