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 zi =sin(ai)+rnd(1), где ai = 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.