Функции создания векторов с различными законами распределения

 

Последняя группа статистических функций служит для создания векторов с определенными законами распределения значений их элементов:

· rbeta(m,s1,s2) - бета-распределение;

· rbinom(m,n,p) - биномиальное распределение;

· rcauchy(m,l,s) - распределение Коши;

· rchisq(m,d) - хи-квадрат-распределение;

· rexp(m,r) - экспоненциальное распределение,

· rF(m,d1,d2) - распределение Фишера;

· rgamma(m,s) - гамма-распределение;

· rgeom(m,p) - геометрическое распределение;

· rlnorm(m,m,s) - логарифмическое нормальное распределение;

· rlogis(m,l,s) - логистическое распределение;

· rnbinom(m,n,p) - отрицательное биномиальное распределение;

· rnorm(m,m,s) - нормальное распределение;

· rpois(m,l) - распределение Пуассона;

· rt(m,d) - распределение Стьюдента;

· runif(m,a,b) - равномерное распределение;

· rweibull(m,s) - распределение Вейбулла.

На рис. 2. показан фрагмент документа MathCAD с примерами построения графиков различных статистических функций и задания наборов чисел с различным распределением.

 

Рис. 2. Примеры применения статистических функций

 

Обилие статистических функций, включенных в систему MathCAD, позволяет с ее помощью выполнять достаточно сложные статистические расчеты. Однако все же надо отметить, что существуют более мощные специализированные пакеты для выполнения статистических расчетов, например Statistica или StatGraphics, которые заметно превосходят MathCAD в части многовариантности статистических вычислений.

Линейная регрессия

 

Рис.3. Линейная регрессия

 

Как видно на рис 3. прямая регрессии проходит в «облаке» исходных точек с максимальным среднеквадратичным приближением к ним. Чем ближе коэффициент корреляции к 1, тем точнее представленная исходными точками зависимость приближается к линейной.