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.