Пакет статистических расчетов stats
Детали применения этой простой функции поясняет рис. 16.14. На нем дан два примера – построение столбцов заданной ширины и высоты и построение гистограммы 100 случайных чисел с нормальным распределением.
Рис. 16.14. Построение гистограмм
Обратите внимание на то, что для второго примера гистограмма будет несколько меняться от пуска к пуску, так как данные для ее построения генерируются случайным образом.
Регрессионный анализ
Под регрессионным анализом (или просто регрессией) обычно подразумевают нахождение некоторой формальной аналитической зависимости, которая приближенно (по критерию минимума среднеквадратической ошибки) аппроксимирует исходную зависимость. Последняя чаще всего бывает представлена некоторым набором точек (например, полученных в результате эксперимента).
Для проведения регрессионного анализа служит функция fit, которая вызывается следующим образом:
stats[fit,leastsquare[vars,eqn.parms]](data)
…или:
fit[leastsquare[vars,eqn.parms]](data)
Где data – список данных, vars – список переменных для представления данных, eqn – уравнение, задающее аппроксимирующую зависимость (по умолчанию линейную), parms – множество параметров, которые будут заменены вычисленными значениями.
На приведенных ниже примерах показано проведение регрессии с помощью функции fit для зависимостей вида у(х):
> with(stats):Digits: = 5; Digits: = 5 > fit[leastsquare[[x,y]]]([[l,2.3.4].[3.3.5.3.9.4.6]]); у = 2.4500 +.52000 х >fit[leastsquare[[x,y], y=a*x"2+b*x+c]]([[l.2.3.4],[1.8.4.5.10.16.5]]); 2 у =.95000 х +.21000 х +.55000