Kn(m, x)
|
Модифицированная функция Бесселя второго рода m-го порядка (0 |
|
ksmooth(vx, vy, b)
|
n-мерный-вектор возвращенных средних vx, вычисленных на основе распределения Гаусса, vx и vy – n-мерные векторы действительных чисел, параметр b задает ширину окна сглаживания
|
|
kurt(A)
|
Возвращает значение выражения (см. в конце таблицы)
|
|
Lag(n, x)
|
Полином Лагерра степени n в точке x
|
|
last(v)
|
Индекс последнего элемента вектора v
|
|
lcm(v)
|
Целое положительное число, которое является наименьшим общим кратным для всех элементов вектора v, имеющего не менее двух элементов типа real или двух целых неотрицательных чисел
|
|
Leg(n, x)
|
Полипом Лежандра степени n в точке x
|
|
lgsfit(vx, vy, vg)
|
Возвращает вектор, содержащий коэффициенты (a, b и с) для аппроксимирующего выражения a/(1+b*е(–c*х)), которое лучшим образом приближается к точкам, координаты которых хранятся в векторах vx и vy, а вектор vg содержит первое приближение к решению
|
|
lenght(v)
|
Число элементов в векторе v
|
|
linfit(vx, vy, F)
|
Вектор коэффициентов линейной аппроксимации методом наименьших квадратов по функциям, хранящимся в символьном векторе F, при котором среднеквадратичная погрешность приближения «облака» исходных точек, координаты которых хранятся в векторах vx и vy, оказывается минимальной
|
|
linterp(vx, vy, x)
|
Значение в точке x, вычисленное при линейной интерполяции данных с точками, координаты которых хранятся в векторах vx и vy
|
|
literally
|
Ключевое слово режима символьной оптимизации
|
|
ln(z)
|
Натуральный логарифм
|
|
LoadColormap(file)
|
Возвращает массив цветовых подмассивов для файла file (файл рисунка), находящегося в палке CMAPS
|
|
loess(vx, vy, span)
|
Вектор, используемый функцией interp для определения набора многочленов второй степени, которые наилучшим образом аппроксимируют часть данных из векторов vx и vy, причем параметр span определяет размер части аппроксимируемых данных
|
|
loess(Mxy, vz, span)
|
Вектор, используемым функцией interp для определения набора многочленов второй степени, которые наилучшим образом аппроксимируют зависимость Z(x, у) по множеству Мху, причем Z – значение в массиве vz, a span определяет размер области, на которой выполняется локальная аппроксимация
|
|
log(z)
|
Десятичный логарифм
|
|
log(z,b)
|
Логарифм z по основанию b
|
|
logfit(vx, vy)
|
Возвращает вектор, содержащий коэффициенты (а, b и с) аппроксимирующего выражения a*ln(x+b)+c, которое лучшим образом приближается к точкам, координаты которых хранятся в векторах vx и vy, причем начального приближения не требуется
|
|
lsolve(M, v)
|
Вектор неизвестных, дающих решение системы линейных алгебраических уравнений вида M*x=v
|
|
lspline(vx, vy)
|
Вектор коэффициентов (вторых производных) линейного сплайна, построенного по векторам vx и vy
|
|
lu(M)
|
Треугольное разложение матрицы М: Р*М=L*U, где L и U – соответственно нижняя и верхняя треугольные матрицы, причем все четыре матрицы квадратные и одного порядка
|
|
matrix(m, n, f)
|
Создается матрица, в которой (i, j)-й элемент равен f(i, j), где i=0, 1,... m и j=0, 1, ... n, a f(i, j) – некоторая функция
|
|
max(A)
|
Наибольший по значению элемент матрицы А
|
|
maximize(f, varl, var2, …)
|
Значения переменных varl, var2, ... с ограничительными условиями, при которых функция этих переменных f имеет максимум (используется в вычислительном блоке Given)
|
|
mean(v)
|
Среднее значение элементов вектора v
|
|
median(X)
|
Медиана элементов вектора X
|
|
medfit(vx, vy)
|
Возвращает вектор, содержащий коэффициенты (а и b) аппроксимирующего выражения вида a+b*x, которое лучшим образом приближается к точкам, координаты которых хранятся в векторах vx и vy (медиан-медиан-регрессия)
|
|
medsmooth(vy, n)
|
Вектор с m действительными числами, сглаживающий m-мерный вектор вещественных чисел vy методом скользящей медианы (параметр n задаст ширину окна, по которому происходит сглаживание)
|
|
mhyper(a, b, x)
|
Конфлюэнтная гипергеометрическая функция в точке x с параметрами а и b
|
|
min(A)
|
Наименьший элемент в матрице А
|
|
Minerr(x1, x2, ...)
|
Значения х1, х2,..., дающие приближенные решения системы уравнений и приводящие к минимальной ошибке (используется в вычислительном блоке Given)
|
|
minimize(f, varl, var2,…)
|
Значения переменных varl, var2, ... с условиями ограничений, при которых функция этих переменных f имеет наименьшее значение (используется в вычислительном блоке Given)
|
|
mod(x, modulus)
|
Остаток от деления x на modulus (аргументы должны быть действительными, результат имеет такой же знак, что и x)
|
|
mode(A)
|
Возвращает наиболее часто встречающиеся значения из вектора или матрицы А
|
|
multigrid(M, n)
|
Матрица решения уравнения Пуассона, у которого решение равно нулю на границах
|
|
norm1(M)
|
L1 норма матрицы М
|
|
norm2(M)
|
L2 норма матрицы М
|
|
norme(M)
|
Евклидова норма матрицы М
|
|
normi(M)
|
Неопределенная норма матрицы М
|
|
num2str(z)
|
Строковое представление числа z
|
|
odesolve(x,b[,steps])
|
Возвращает решение дифференциальных уравнений, описанных в блоке Given, при заданных начальных условиях и конце интервала интегрирования b
|
|
optimize
|
Ключевое слово, включающее режим символьной оптимизации
|
|
pbeta(x, s1, s2)
|
Значение в точке x функции стандартного нормального распределения
|
|
pbinom(k, n, p)
|
Значение функции распределения биномиального закона для k успехов в серии из n испытаний
|
|
pcauchy(x, 1, s)
|
Значение в точке x функции распределения Коши со шкалой параметров l и s
|
|
pchisq(x, d)
|
Значение в точке x кумулятивного Xи-квадрат-распределения, в котором d – степень свободы
|
|
permut(n.k)
|
Возвращает число размещений из n элементов по k, причем n и k должны быть целыми неотрицательными числами
|
|
pexp(x, r)
|
Значение в точке x функции экспоненциального распределения
|
|
pF(x, d1, d2)
|
Значение в точке x функции распределения Фишера
|
|
pgamma(x, s)
|
Значение в точке x функции гамма-распределения
|
|
pgeom(k, p)
|
Значение в точке x функции геометрического распределения
|
|
phypergeom(m ,n, M, N)
|
Кумулятивное распределение вероятности
|
|
plnorm(x, μ, σ)
|
Значение в точке x функции логнормального распределения, в котором μ – логарифм среднего значения, σ>0 – логарифм стандартное отклонения
|
|
plogis(x, l, s)
|
Значение в точке x функции последовательного распределения, где 1 – параметр положения, s>0 – параметр шкалы
|
|
pnbinom(k, n, p)
|
Значение d точке x функции отрицательного биномиального распределения, в котором n>0 и 0
|
|
pnorm(x, μ, σ)
|
Значение в точке x функции нормального распределения со средним значением μ и стандартным отклонением σ
|
|
polyroots(v)
|
Корни многочлена степени n, коэффициенты которого находятся в векторе v, имеющем длину, равную n+1
|
|
ppois(k, λ)
|
Значение для k функции распределения Пуассона
|
|
predict(v, m, n)
|
Вектор, содержащий равноотстоящие предсказанные (в ходе экстраполяции) значения n точек, вычисленные по m заданным в массиве v данным
|
|
pspline(vx, vy)
|
Вектор коэффициентов (вторые производные) параболического сплайна, построенного но векторам vx и vy
|
|
pspline(Mxy, Mz)
|
Вектор вторых производных для данных Мху и Mz, который является параметром функции interp
|
|
pt(x, d)
|
Значение в точке x функции распределения Стьюдента (d – степень свободы, x>0 и d>0)
|
|
punif(x, a, b)
|
Значение в точке x функции равномерного распределения (a и b – границы интервала, а |
|
pweibull(x, s)
|
Значение в точке x функции распределения Вейбулла (s>0)
|
|
pwrfit(vx, vy, vg)
|
Возвращает вектор, содержащий коэффициенты (a, b и с) аппроксимирующего выражения вида a*xb+c, которое лучшим образом приближается к точкам, координаты которых хранятся в векторах vx и vy (вектор vg содержит первое приближение к решению)
|
|
qbeta(p, s1, s2)
|
Квантили обратного бета-распределения с параметрами формы s1 и s2 (0≤p≤1 и s1, s2>0)
|
|
qbinom(p, n, q)
|
Количество успешных определений при n-м количестве испытаний при решении уравнения Бернулли при условии, что вероятность этого количества успешных определений есть p (q – вероятность успеха при однократном испытании, 0≤q≤1 и 0≤p≤1)
|
|
qcauchy(p, l, q)
|
Квантили обратного распределения Кожи со шкалой параметров 1 и s (s>0 и 0
|
|
qchisq(p, d)
|
Квантили обратного Xи-квадрат-распределения, при котором d>0 является характеристикой степеней свободы (0≤p<1)
|
|
qexp(p, r)
|
Квантили обратного экспоненциального распределения, при котором r>0 определяет частоту (0≤p<1)
|
|
qF(p, d1, d2)
|
Квантили обратного распределения Фишера, в котором d1 и d2 – степени свободы (0≤p<1)
|
|
qgamma(p, s)
|
Квантили обратного гамма-распределения, при котором s>0 – параметры формы (0≤p<1)
|
|
qgeom(p, q)
|
Квантили обратного геометрического распределения, где q определяет вероятность успеха однократного испытания (0
|
|
qhypergeom(p, n, M, N)
|
Обратное кумулятивное распределение вероятности, при котором наименьшее целое k соответствует phypergeom(k, a, b, n)≥p
|
|
qlnorm(p, μ, σ)
|
Квантили обратного логнормального распределения, при котором μ – логарифм среднего числа, σ>0 – логарифм стандартного отклонения (0≤p<1)
|
|
qlogis(p, 1, s)
|
Квантили обратного последовательного распределения (1 – параметр положения, s>0 – параметр шкалы, 0
|
|
qnbinom(p, n, q)
|
Квантили обратного отрицательного биномиального распределения с размером n и вероятностью ошибки q (0≤q≤1 и 0≤p≤1)
|
|
qnorm(p, μ, σ)
|
Квантили обратного нормального распределения со средним значением μ и стандартным отклонением σ (0
0)
|
|
qpois(p, λ)
|
Квантили обратного распределения Пуассона (λ>0 и 0≤p≤1)
|
|
qr(A)
|
Разложение матрицы A, A=Q*R, где Q – ортогональная матрица, a R – верхняя треугольная матрица
|
|
qt(p, d)
|
Квантили обратного распределения Стьюдента, где d определяет степени свободы (d>0 и 0
|
|
qunif(p, a, b)
|
Квантили обратного равномерного распределения, где b и а – конечные значения интервала (а |
|
qweibull(p, s)
|
Квантили обратного распределения Вейбулла (s>0 и 0
|
|
rank(A)
|
Ранг квадратной матрицы A
|
|
rbeta(m, s1, s2)
|
Вектор m случайных чисел, имеющих бета-распределение (s1, s2>0 являются параметрами формы)
|
|
rbinom(m, n, p)
|
Вектор m случайных чисел, имеющих биномиальное распределение (0≤p≤1, n – целое число, удовлетворяющее условию n>0)
|
|
rcauchy(m, 1, s)
|
Вектор m случайных чисел, имеющих распределение Коши (1, s>0 – параметры шкалы)
|
|
rchisq(m, d)
|
Вектор m случайных чисел, имеющих Xи-квадрат-распределение (d>0 определяет степени свободы)
|
|
Re(z)
|
Действительная часть комплексного числа z
|
|
READ_BLUE(file)
|
Массив, соответствующий синему компоненту изображения, содержащегося в file
|
|
READBMP(file)
|
Массив, соответствующий черно-белому компоненту изображения, содержащегося в file
|
|
READ_GREEN(file)
|
Массив, соответствующий зеленому компоненту изображения, содержащегося в file
|
|
READ_HLS(file)
|
Массив, представляющий данные о цвете объекта в file (оттенки цвета, насыщенность и интенсивность)
|
|
READ_HLS_HUE(file)
|
Массив, представляющий данные об оттенках цвета для объекта в file
|
|
READ_HLS_LIGHT(file)
|
Массив, представляющий данные о яркости цвета для объекта в file
|
|
READ_HLS_SAT(file)
|
Массив, представляющий данные о насыщенности цвета для объекта в file
|
|
READ_HSV(file)
|
Массив, представляющий значения оттенков цвета, яркости и насыщенности для объекта в file
|
|
READ_HSV_HUE(file)
|
Массив, представляющий значение оттенка цвета компонента u file
|
|
READ_HSV_SAT(file)
|
Массив, представляющий значение насыщенности цвета компонента в file
|
|
READ_HSV_VALUE(file)
|
Массив, представляющий значения интенсивности цвета для компонента в file
|
|
READ_IMAGE(file)
|
Матрица изображения из файла file, представляющая это изображение в форме черно-белого с полутонами
|
|
READPRN(file)
|
Присваивание матрице значений из файла с именем file.prn
|
|
READ_RED(file)
|
Массив, соответствующий красному цвету компонента в file
|
|
READRGB(file)
|
Массив, состоящий из трех подмассивов, которые представляют красный, зеленый и синий компоненты цветного изображения, находящегося в file
|
| |
|
Достарыңызбен бөлісу: |
