Задание 6.

Задание 1.

Результаты выполнения.

Создаем магический квадрат:

>> a=magic(6)

a =

35 1 6 26 19 24

3 32 7 21 23 25

31 9 2 22 27 20

8 28 33 17 10 15

30 5 34 12 14 16

4 36 29 13 18 11

Сортируем по вертикали:

>> sort(a)

ans =

3 1 2 12 10 11

4 5 6 13 14 15

8 9 7 17 18 16

30 28 29 21 19 20

31 32 33 22 23 24

35 36 34 26 27 25

Сортируем по горизонтали:

>> sort(a,2)

ans =

1 6 19 24 26 35

3 7 21 23 25 32

2 9 20 22 27 31

8 10 15 17 28 33

5 12 14 16 30 34

4 11 13 18 29 36

Выводы:

Задание 2.

Результаты выполнения.

>> [D] = textread ('11_2_2_data.prn');

>> [A] = sort (D);

>> D

D =

5.5360 0.9775

0.1538 0.0645

3.8140 0.9004

0.6216 0.0569

3.5970 2.5390

0.1237 1.8810

5.8730 2.0220

0.4542 1.4300

4.9250 2.0690

5.4210 2.2210

4.2620 1.6580

3.6870 1.1440

1.6620 0.5829

3.6930 0.2232

5.0310 0.9905

3.8710 0.2097

5.7540 1.4960

0.3072 2.3630

1.2310 1.9660

5.0720 1.2620

5.2850 2.5700

3.3780 0.9912

0.1254 0.1820

2.7720 1.5380

2.5620 1.7400

0.5392 2.7560

0.1504 0.6460

4.5120 2.7310

1.9550 1.8090

5.4670 1.8940

1.6280 2.4160

0.2972 1.7250

1.4780 2.0290

0.1540 0.3976

3.2250 0.1087

2.7390 1.1960

0.1282 0.5433

0.9327 0.0601

2.1660 2.2900

0.9572 1.0950

2.9710 1.7160

2.2480 2.3920

4.1900 0.7331

2.2280 1.0030

5.9750 1.3270

2.1810 1.4140

1.2680 1.5580

5.3830 1.3600

2.5990 0.6494

1.7230 2.3260

1.0560 1.2400

>> sortrows(A,[2 2])

ans =

0.1237 0.0569

0.1254 0.0601

0.1282 0.0645

0.1504 0.1087

0.1538 0.1820

0.1540 0.2097

0.2972 0.2232

0.3072 0.3976

0.4542 0.5433

0.5392 0.5829

0.6216 0.6460

0.9327 0.6494

0.9572 0.7331

1.0560 0.9004

1.2310 0.9775

1.2680 0.9905

1.4780 0.9912

1.6280 1.0030

1.6620 1.0950

1.7230 1.1440

1.9550 1.1960

2.1660 1.2400

2.1810 1.2620

2.2280 1.3270

2.2480 1.3600

2.5620 1.4140

2.5990 1.4300

2.7390 1.4960

2.7720 1.5380

2.9710 1.5580

3.2250 1.6580

3.3780 1.7160

3.5970 1.7250

3.6870 1.7400

3.6930 1.8090

3.8140 1.8810

3.8710 1.8940

4.1900 1.9660

4.2620 2.0220

4.5120 2.0290

4.9250 2.0690

5.0310 2.2210

5.0720 2.2900

5.2850 2.3260

5.3830 2.3630

5.4210 2.3920

5.4670 2.4160

5.5360 2.5390

5.7540 2.5700

5.8730 2.7310

5.9750 2.7560

>> cplxpair(A)

ans =

0.1237 0.0569

0.1254 0.0601

0.1282 0.0645

0.1504 0.1087

0.1538 0.1820

0.1540 0.2097

0.2972 0.2232

0.3072 0.3976

0.4542 0.5433

0.5392 0.5829

0.6216 0.6460

0.9327 0.6494

0.9572 0.7331

1.0560 0.9004

1.2310 0.9775

1.2680 0.9905

1.4780 0.9912

1.6280 1.0030

1.6620 1.0950

1.7230 1.1440

1.9550 1.1960

2.1660 1.2400

2.1810 1.2620

2.2280 1.3270

2.2480 1.3600

2.5620 1.4140

2.5990 1.4300

2.7390 1.4960

2.7720 1.5380

2.9710 1.5580

3.2250 1.6580

3.3780 1.7160

3.5970 1.7250

3.6870 1.7400

3.6930 1.8090

3.8140 1.8810

3.8710 1.8940

4.1900 1.9660

4.2620 2.0220

4.5120 2.0290

4.9250 2.0690

5.0310 2.2210

5.0720 2.2900

5.2850 2.3260

5.3830 2.3630

5.4210 2.3920

5.4670 2.4160

5.5360 2.5390

5.7540 2.5700

5.8730 2.7310

5.9750 2.7560

Выводы: Команда sortrows сортирует по умолчанию первый столбец в массиве. Команды sort и cplxpair сортируют каждый столбец в массиве по возрастанию.

Задание 3.

Результаты выполнения.

>> [D] = textread ('11_2_2_data.prn');

>> [A] = sort (D);

>> D

D =

5.5360 0.9775

0.1538 0.0645

3.8140 0.9004

0.6216 0.0569

3.5970 2.5390

0.1237 1.8810

5.8730 2.0220

0.4542 1.4300

4.9250 2.0690

5.4210 2.2210

4.2620 1.6580

3.6870 1.1440

1.6620 0.5829

3.6930 0.2232

5.0310 0.9905

3.8710 0.2097

5.7540 1.4960

0.3072 2.3630

1.2310 1.9660

5.0720 1.2620

5.2850 2.5700

3.3780 0.9912

0.1254 0.1820

2.7720 1.5380

2.5620 1.7400

0.5392 2.7560

0.1504 0.6460

4.5120 2.7310

1.9550 1.8090

5.4670 1.8940

1.6280 2.4160

0.2972 1.7250

1.4780 2.0290

0.1540 0.3976

3.2250 0.1087

2.7390 1.1960

0.1282 0.5433

0.9327 0.0601

2.1660 2.2900

0.9572 1.0950

2.9710 1.7160

2.2480 2.3920

4.1900 0.7331

2.2280 1.0030

5.9750 1.3270

2.1810 1.4140

1.2680 1.5580

5.3830 1.3600

2.5990 0.6494

1.7230 2.3260

1.0560 1.2400

>> A=randn([50,1]);

>> normfit(A)

ans =

0.0393

>> kurtosis(A)-3

ans =

-0.5369

> A=randn([50,1]);

>> mean(A)

ans =

0.0565

>> median(A)

ans =

0.1032

>> max(A)

ans =

1.6924

>> min(A)

ans =

-1.8740

>> max(A)-min(A)

ans =

3.5664

>> range(A)

ans =

3.5664

>> range(A)

ans =

3.5664

>> std(A)

ans =

0.7559

>> std(A,1)

ans =

0.7483

>> var(A)

ans =

0.5713

Выводы: mean - арифметическое среднее матрицы по столбцам. Для поиска медианы используется функция median. Команды min и max соответственно отображают минимальное и максимальное значения столбцов матрицы. Функция range используется для поиска размаха вариации. Несмещенную дисперсию находится с помощью функции std, смещенная (без поправки Бесселя) с помощью функции std(A,1).

Задание 4.

Результаты выполнения.

>> H = textread ('11_5_2_data.prn');

>> oef=(H)

oef =

45.5800 77.1700

51.8700 81.8600

58.2500 86.0700

64.7000 89.5500

58.1700 92.1300

70.9000 93.7000

65.4600 94.2500

66.1500 93.8400

57.1600 92.6100

69.9500 90.7600

61.1600 88.5500

54.7100 86.2300

58.4000 84.0600

48.4900 82.2400

44.8800 80.9200

45.4300 80.1800

45.7700 80.0200

52.3000 80.3500

45.3700 81.0400

46.8600 81.8800

52.8200 82.6600

54.3000 83.1500

52.1200 83.1600

49.9400 82.5500

47.8300 81.2400

51.6200 79.2200

47.7800 76.5800

42.7500 73.4500

37.0500 70.0300

32.3000 66.5400

27.0700 63.2200

23.8800 60.2900

21.2300 57.9200

19.1300 56.2200

18.1600 55.2300

17.6100 54.9100

18.2000 55.1600

18.3600 55.8100

19.6800 56.6400

20.2600 57.4400

21.1100 57.9900

21.2800 58.1100

21.0000 57.7000

19.7500 56.6900

18.0200 55.1300

16.2500 53.1300

11.5100 50.8600

8.5790 48.5600

9.8410 46.4800

4.1330 44.8800

5.2740 44.0000

>> cov(H)

ans =

374.6062 296.1978

296.1978 239.1291

>> diary off

>> D=textread('11_5_7_data.prn');

>> oef=(D)

oef =

212.5000 256.2000

184.4000 262.8000

221.2000 268.8000

184.9000 274.1000

204.9000 278.6000

282.6000 282.4000

195.8000 285.4000

268.2000 287.7000

201.3000 289.1000

276.4000 289.9000

230.5000 290.0000

259.6000 289.4000

223.8000 288.4000

245.5000 286.9000

223.8000 284.9000

227.4000 282.7000

203.2000 280.2000

198.4000 277.4000

185.6000 274.5000

200.9000 271.4000

178.3000 268.2000

239.3000 264.8000

249.8000 261.4000

232.8000 257.8000

237.5000 254.2000

186.4000 250.5000

154.7000 246.8000

195.4000 243.0000

216.9000 239.2000

205.3000 235.3000

140.3000 231.5000

136.7000 227.7000

131.9000 224.0000

149.4000 220.3000

126.1000 216.7000

132.5000 213.2000

136.7000 209.8000

128.0000 206.5000

112.9000 203.4000

122.4000 200.4000

142.4000 197.5000

143.1000 194.9000

122.2000 192.5000

116.7000 190.4000

104.9000 188.6000

127.0000 187.3000

102.1000 186.5000

107.3000 186.2000

110.9000 186.6000

116.3000 187.6000

110.4000 189.5000

>> cov(D)

ans =

1.0e+003 *

2.7515 1.7541

1.7541 1.4208

r=oef('D')

r =

280.2000

>> n=length(D);

>> s=sqrt((1-r^2)/(n-2))

s =

0 +40.0283i

>> diary off

Выводы: Коэффициент корреляции. Сопряженность между переменными величинами Х и Y можно установить, сопоставляя числовые значения одной из них с соответствующими значениями другой. Корреляция описывается от 0 (связи нет) до 1 (связь абсолютная). Если при увеличении одной из них увеличивается другая, то это указывает на положительную связь между этими величинами. В случае варьирующих признаков используют ковариацию. Ковариация – усредненная величина произведений отклонений каждой пары наблюдений от их средней величины.

Задание 5.

Результаты выполнения.

Для начала считываю данные из файла:

H=textread;

oef(H)

ans =

1.0000 0.9667

0.9667 1.0000

>>cov(H)

ans =

843.4423 650.4120

650.4120 536.7033

>>diary off

D=textread;

oef(D)

ans =

1.0000 0.9667

0.9667 1.0000

>>cov(D)

ans =

843.4423 650.4120

650.4120 536.7033

r=oef(D)

r =

1.0000 0.9667

0.9667 1.0000

n=length(D);

s=sqrt((1-r^2)/(n-2))

s =

0 + 0.1381i 0 + 0.1380i

0 + 0.1380i 0 + 0.1381i

>>diary off

Выводы: Корреляция описывается от 0 (связи нет) до 1 (связь абсолютная). Ковариация – усредненная величина произведений отклонений каждой пары наблюдений от их средней.

Задание 6.

Результаты выполнения.

Работа программы:

>> six(E);

r=

0.9029

z=

1.4879

viborka iz 5 elementov

166.0000 290.7000

225.3000 343.2000

162.9000 269.1000

215.6000 318.3000

233.8000 345.2000

r5=

0.9650

z5=

2.0137

viborka iz 10 elementov

157.4000 257.1000

182.1000 262.8000

207.3000 313.7000

225.0000 294.9000

205.7000 304.1000

315.4000 358.9000

282.6000 349.3000

211.1000 330.3000

274.6000 357.4000

187.3000 264.9000

r10=

0.9064

z10=

1.5069

viborka iz 15 elementov

235.6000 359.8000

274.6000 357.4000

256.2000 360.0000

274.6000 357.4000

251.4000 336.3000

282.6000 349.3000

157.4000 257.1000

251.4000 336.3000

235.6000 359.8000

148.2000 258.8000

155.1000 255.2000

251.4000 336.3000

306.0000 354.9000

297.8000 355.6000

286.1000 338.8000

r15=

0.8955

z15=

1.4489

viborka iz 20 elementov

205.7000 304.1000

255.4000 353.6000

209.2000 299.4000

207.6000 280.4000

274.6000 357.4000

306.0000 354.9000

305.2000 351.5000

282.6000 349.3000

251.4000 336.3000

220.4000 322.7000

274.2000 351.1000

255.4000 353.6000

162.9000 269.1000

223.8000 333.3000

157.4000 257.1000

192.7000 277.7000

250.8000 326.7000

202.1000 308.9000

274.6000 357.4000

275.6000 333.5000

r20=

0.9180

z20=

1.5762

Вывод: При изменении объема выборки значения коэффициентов корреляции практически не изменяется.

Принято: _________ «_____»_____________2012

Преподаватель:

<hash code MD5> И. Ю. Земляков

Дата добавления: 2015-07-11