MATLAB-logo fra
https://commons.wikimedia.org/wiki/File:MatlabLogo.png
I Introducerende statistik og dataanlyse med MATLAB skal nogle af jer
bruge programpakken MATLAB til at lave de numeriske beregninger.
Se indledningen til kapitel ML med hensyn til
installation af MATLAB.
Kør nedenstående kommando (på jeres egen computer), og prøv egne små regnestykker
ved at ændre på koden.
Tal kan placeres i variable som efterfølgende kan indgå i beregninger.
Prøv at tilføje x=x+3; efter første linje i ovenstående
kodevindue. Hvad tror du, der sker ?
I kodevinduet nedenfor dannes en vektor ved
brug af kommandoen , hvor elementerne i vektoren skrives
inden for de kantede parenteser og adskildt af komma.
MATLAB er matrix-baseret, hvorfor operationer med
vektorer umiddelbart opfattes som matrixmanipulationer.
Elementvise beregninger fås ved at tilføje et punktum
før den matematiske operation.
Funktionen sum anvendt på en vektor
giver summen af alle elementerne i vektoren. Prøv, at gætte på
resultatet af nedenstående beregning inden du udfører beregningen.
Prøv selv andre beregninger med vektorer som
for eksempel 3*x og x./y.
Et element, for eksempel det andet element,
i en vektor kan findes ved at skrive
x(2). Vektoren, der består af tallene kan
dannes med kommandoen [3:9]. Vektoren, der består af
tre 1-taller efterfulgt af fire 2-taller, kan dannes med
kommandoen repelem([1,2],[3,4]), og en vektor hvor
gentages 3 gange kan dannes med repmat([1,2],1,3).
Prøv igen, at gætte på
resultatet af nedenstående beregning inden du udfører denne.
Gæt på, hvad du tror resultatet af nedenstående beregning bliver.
Prøv i stedet 3>2. Lad x=[1:4], og udregn
x>2, x==2 og x!=2. Prøv også at udregne
henholdsvis sum(x>2) og sum(x(x>2)).
I MATLAB resulterer et logisk udtryk i enten true eller false
skrevet som 1 eller 0.
Når en true/false variabel indgår som indeks
i en vektor, vil MATLAB lave en reduceret vektor, der kun indeholder
indgangene med værdien "true".
Som det fremgår af definitionen af -værdi i afsnit
1.1, er dette
begreb baseret på sandsynligheder.
Her vil jeg lige minde jer om en
måde at forstå sandsynligheder på. Når jeg kaster en (ærlig)
mønt mange gange, forventer jeg, at frekvensen af krone vil være tæt på
Når man siger, at sandsynligheden for krone er
betyder dette, at hvis vi kaster mønten flere og flere gange, så vil frekvensen
af krone komme tættere og tættere på
Dette kan vi illustrere i MATLAB.
Prøv at køre koden. Hvad ser du ? Prøv at ændre på sandsynlighederne i
vektoren i kaldet af randsample.Funktionen randsample kan bruges til på simpel vis at simulere
et kast med en terning. Kaldet
randsample([1:4],100,true) simulerer 100 kast med en
firesidet terning. Resultatet er 100 tilfældige tal blandt 1,2,3,4.
Generelt bruger jeg ordet simulation, når jeg beder MATLAB
om at generere tilfældige udfald fra en fordeling.
En af styrkerne ved MATLAB er, at vi nemt kan lave figurer
af en god kvalitet.
Nedenfor kan I prøve en plotkommando for at se nogle af mulighederne
(brugen af plot er beskrevet i afsnit
ML.2).
Når I har kørt ovenstående kommando, prøv da, ved at kigge på figuren,
at svare på følgende spørgsmål.
Kommandoen [1:7] laver en vektor med tal: hvilken ?
Kommandoen repelem(2,7) laver en vektor med tal: hvilken ?
Angiv farverne der fremkommer ved tilføjelsen 'r'.
Angiv punktsymbolerne der fremkommer ved tilføjelsen
's'.
På kursushjemmesiden ligger en zip-fil med en række datasæt.
I skal hente denne fil og placere filerne med datasæt i en mappe
på jeres egen computer.
Når et datasæt ønskes indlæst, skal man enten angive stien til den mappe på
computeren, hvor datasættet ligger, eller også skal working directory
i MATLAB pege på den mappe, hvor datasættet ligger. Man kan ændre på
working directory i MATLAB ved at bruge navigationspilene øverst i
Current Folder vinduet. For at indlæse et datasæt skal I i dette kursus bruge to forskellige
kommandoer. For en fil med en række tal uden struktur
bruges kommandoen load("filnavn"). I dette tilfælde vil
"filnavn" have endelsen ".txt", og hver linje indeholder kun et enkelt tal.
For strukturerede data skal I indlæse med kommandoen
readtable("filnavn"). Det forudsættes
her, at filen indeholder data organiseret i søjler. Første række
i filen indeholder søjleoverskrifter. Hver række svarer til et
observationsnummer, og indgangene i rækken giver værdierne
svarende til de forskellige søjler for dette observationsnummer.
Dataværdierne er adskilt af komma. Disse datafiler vil altid have
endelsen ".csv".
Hvis data er indlæst i stukturen mydata og
en af søjlerne har navnet soejlenavn kan man udtrække denne søjle
som mydata.soejlenavn.
Afsnit ML.3 indeholder yderligere
omtale af readtable. I kodevinduet nedenfor vises, hvordan filen Ind.csv indlæses.
Når I kører koden på jeres egen computer, skal filen være
til rådighed i working directory.
Data, der indlæses, giver information om
køn og alder for 5 personer.
Prøv at ændre hold til
hold(:,1) begge steder i koden efter indlæsningen.
Prøv dernæst at ændre til
hold.Koen begge steder.
Kan du forklare forskellen ?
Prøv dernæst at ændre hold til
hold.Alder(hold.Koen=="Pige").
Kan du forklare, hvad der skrives ud ?
Data er indlæst i hold, som er organiseret i søjler. Den
første søjle kan enten udtrækkes som hold(:,1) eller som
hold.Koen, idet Koen er søjleoverskriften.
I det første tilfælde er resultatet stadig en søjle i en datastruktur,
hvorimod i det andet tilfælde er resultatet en (søjle-)vektor.
Kommandoen hold.Alder giver hele den sidste søjle i
hold.
Når der indsættes en sandhedsvektor på indeksplads,
får vi udvalgt de elementer, hvor sandhedsvektoren er sand.
Nogle få gange i dette kursus vil jeg bede jer om at lave nogle
beregninger, der ikke laves nemt med standardfunktioner i
MATLAB. Til dette har jeg lavet nogle nye funktioner, der
alle er defineret i filer med endelsen ".m", og disse findes på
kursushjemmesiden (i zip-filen sammen med datasæt). Filerne skal placeres i jeres
working directory. Der er følgende funktioner: