ドキュメンテーション

最新のリリースでは、このページがまだ翻訳されていません。 このページの最新版は英語でご覧になれます。

random

クラス: RepeatedMeasuresModel

予測子の値に基づく新しく無作為な応答値の生成

構文

  • ysim = random(rm,tnew)

説明

ysim = random(rm,tnew) は、テーブル tnew から取得した予測子変数を使用して、反復測定モデル rm から無作為な応答値を返します。

入力引数

すべて展開する

反復測定モデル。RepeatedMeasuresModel オブジェクトとして返します。

このオブジェクトのプロパティとメソッドについては、RepeatedMeasuresModel を参照してください。

反復測定モデル rm の予測子として使用する応答変数と被験者間要因の値を含む新しいデータ。テーブルとして指定します。tnew には rm の作成に使用するすべての被験者間要因が格納されていなければなりません。

出力引数

すべて展開する

random によって生成される無作為な応答値。n 行 r 列の行列として返します (n は tnew の行数、r は rm の反復測定の回数)。

すべて展開する

標本データを読み込みます。

load fisheriris

列ベクトル species は、3 種類のアヤメ (setosa、versicolor、virginica) で構成されています。double 行列 meas は、花に関する 4 種類の測定値、がく片の長さと幅 (cm) と花弁の長さと幅 (cm) で構成されています。

データをテーブル配列に保存します。

t = table(species,meas(:,1),meas(:,2),meas(:,3),meas(:,4),...
'VariableNames',{'species','meas1','meas2','meas3','meas4'});
Meas = dataset([1 2 3 4]','VarNames',{'Measurements'});

反復予測モデルを近似します。ここで、測定が応答、species が予測子変数となります。

  rm = fitrm(t,'meas1-meas4~species','WithinDesign',Meas);

新しい応答値を無作為に生成します。

ysim = random(rm);

random では、テーブル t の反復測定モデル rm を近似するために使用する元の標本データの予測子の値を使用します。

標本データを読み込みます。

load repeatedmeas

テーブル between には、被験者間変数である年齢、IQ、グループ、性別、8 件の反復測定 y1 ~ y8 が応答として含まれています。テーブル within には、被験者内変数 w1 および w2 が含まれています。このデータは、シミュレーションされたものです。

反復測定モデルをあてはめます。ここで、反復測定 y1 ~ y8 は応答で、年齢、IQ、グループ、性別、グループと性別の相互作用は予測子変数です。また、被験者内計画行列も指定します。

rm = fitrm(between,'y1-y8 ~ Group*Gender + Age + IQ','WithinDesign',within);

予測子変数の新しい値を使用してテーブルを定義します。

tnew = table(16,93,{'B'},{'Male'},'VariableNames',{'Age','IQ','Group','Gender'})
tnew = 

    Age    IQ    Group    Gender
    ___    __    _____    ______

    16     93    'B'      'Male'

新しいテーブル tnew の値を使用して、新しい応答値をランダムに生成します。

ysim = random(rm,tnew)
ysim =

  159.0920  114.8927   -6.5618   46.9944   38.6707   -5.6725   70.8690   11.7813

アルゴリズム

random は、予測値の作成と無作為なノイズ値の追加により、ysim を計算します。各行について、ノイズは共分散が rm.Covariance と等しい多変量正規分布をもちます。

参考

|

この情報は役に立ちましたか?