Функции сглаживания данных

Данные большинства экспериментов имеют случайные составляющие. Поэтому часто возникает необходимость статистического сглаживания данных. Для этого имеется ряд функций, в названии которых имеется слово smooth (гладкий):

medsmooth (VY,n) – для вектора с m действительными числами возвращает m-мерный вектор сглаженных данных по методу скользящей медианы, параметр n задает ширину окна сглаживания.

ksmooth (VX,VY,n) – возвращает n-мерный вектор сглаженных VY, вычисленных на основе распределения Гаусса. VX, VY - n-мерные векторы действительных чисел.

supsmooth (VX,VY) – возвращает n-мерный вектор сглаженных VY, вычисленных на основе использования процедуры линейного сглаживания методом наименьших квадратов по правилу k-ближайших соседей с адаптивным выбором k.

Задача_11. Пусть задается массива значений z_i =sin(a_i)+rnd(1), где a_i = i /2 и i меняется от 1 до 30. Выполнить сглаживание данных.

¿ _11. 1) Задать

2) Построить графики, указав по оси Ox – a _i; по оси Oy – .

Задача_12. Для 50 чисел задать значения

Сформировать вектор сглаженных данных и построить график исходных и сглаженных данных.

Задача_13. Самостоятельно выполнить сглаживание функции , где . Построить график исходных и сглаженных данных.