加载样本数据。

加载（'医院'）

数据集的数组医院有100个观测和7个变量。

创建仅变量的数据集阵列性别，年龄，重量,抽烟者。

DSA =医院（：，{'性别'，“年龄”，“重量”，“吸烟者”}）;

性别是具有级别的名义数组吗男和女。的变量年龄和重量有数值，和抽烟者有逻辑值。

计算平均值的数字和逻辑阵列，年龄，重量,抽烟者，通过在水平分组性别。

statarray = grpstats (dsa),'性别'）

statarray =性别GroupCount mean_Age mean_Weight mean_Smoker女女53 37.717 130.47 0.24528男男47 38.915 180.53 0.44681

statarray是一个数据集阵列具有两行，对应于水平性别。GroupCount是每个组中的观测值的数量。手段年龄，重量,抽烟者，通过分组性别，被给予平均年龄，mean_Weight,mean_Smoker。

计算的均值年龄和重量中的值分组抽烟者。

statarray = grpstats (dsa),“吸烟者”，“的意思是”，'DataVars'{“年龄”，“重量”}）

statarray =吸烟者GroupCount mean_Age mean_Weight 0假66 37.97 149.91 1真34 38.882 161.94

在这种情况下，不是所有的变量DSA（不包括分组变量，抽烟者）是数字或逻辑阵列;变量性别是标称阵列。当输入数据集数组中不是所有的变量是数字或逻辑阵列，您必须指定您使用要计算汇总统计变量DataVars。

计算最小和最大重量，值的组合进行分组性别和抽烟者。

statarray = grpstats（DSA，{'性别'，“吸烟者”}，{“最小值”，“马克斯”}，...'DataVars'，“重量”）

statarray =性别吸烟者GroupCount min_Weight max_Weight Female_0女性假40 111 147 Female_1女真13 115 146 Male_0男性假26 158 194 Male_1男真21 164 202

有两个独特的值抽烟者和两个层次性别，总共的值的四种可能的组合：女性不吸烟者（Female_0），女性吸烟者（Female_1），男性非吸烟者（Male_0），与男性吸烟者（Male_1)。

指定输出列的名称。

statarray = grpstats（DSA，{'性别'，“吸烟者”}，{“最小值”，“马克斯”}，...'DataVars'，“重量”，'VarNames'{'性别'，“吸烟者”，...'GroupCount'，'LowestWeight'，“HighestWeight”}）

性别吸烟组计数最低体重最高体重女性0女性假40 111 147女性1女性真13 115 146男性0男性假26 158 194男性1男性真21 164 202

加载样本数据。

加载（'医院'）

数据集的数组医院有100个观测和7个变量。

创建仅变量的数据集阵列年龄，重量,抽烟者。

DSA =医院（：，{“年龄”，“重量”，“吸烟者”}）;

的变量年龄和重量有数值，和抽烟者有逻辑值。

计算的平均值，最小值和最大值的数值和逻辑阵列，年龄，重量,抽烟者，没有分组。

statarray = grpstats（DSA，[]，{“的意思是”，“最小值”，“马克斯”}）

statarray = GroupCount mean_Age MIN_AGE MAX_AGE mean_Weight所有100 38.28 25 50 154 min_Weight max_Weight mean_Smoker min_Smoker max_Smoker全部111 202 0.34假真

观察名所有表明所有的观测DSA被用来计算汇总统计。

加载样本数据。

加载（'carsmall'）

所有的变量都可供100辆汽车进行测量。起源原产地是每个汽车（法国，德国，意大利，日本，瑞典，美国或）的国家。气瓶有三个独特的价值观，4，6,8指示在每节车厢的气缸数。

计算平均值的加速度，由原籍国进行分组。

手段= grpstats（加速度，产地）

手段=6×114.4377 18.0500 15.8867 16.3778 16.6000 15.5000

手段是平均加速度的6×1向量，每个值对应一个原产国。

计算平均值的加速度，由产地和气缸数的两个国家进行分组。

手段= grpstats（加速度，{来源，气缸}）

手段=10×117.0818 16.5267 11.6406 18.0500 15.9143 15.5000 16.3375 16.7000 16.6000 15.5000

有分组变量值，因为18个可能的组合起源具有6个唯一值和气瓶有3个独特的价值观。只有可能的组合10出现在数据，所以手段是对应于值的观察到的组合组装置的10×1向量。

返回组名称与各组的平均加速度一起。

[装置，GRPS] = grpstats（加速度，{来源，气缸}，{“的意思是”，'的gname'}）

手段=10×117.0818 16.5267 11.6406 18.0500 15.9143 15.5000 16.3375 16.7000 16.6000 15.5000

GRPS =10X2单元{'美国'}{‘4’}{‘美国’}{‘6’}{‘美国’}{' 8 '}{“法国”}{‘4’}{‘日本’}{‘4’}{‘日本’}{‘6’}{“德国”}{‘4’}{“德国”}{‘6’}{“瑞典”}{‘4’}{“意大利”}{' 4 '}

输出GRPS显示10个观察到的变量值分组组合。例如，法国生产的4缸汽车的平均加速度是18.05。

加载样本数据。

加载carsmall

变量加速度被测量为100辆汽车。变量起源原产地是每个汽车（法国，德国，意大利，日本，瑞典，美国或）的国家。

返回原籍国分组的最小和最大加速度。

[grpMin，grpMax，GRP] = grpstats（加速度，产地，{“最小值”，“马克斯”，'的gname'}）

grpMin =6×18.0000 15.3000 13.9000 12.2000 15.7000 15.5000

grpMax =6×122.2000 21.9000 18.2000 24.6000 17.5000 15.5000

GRP =6x1的细胞{ 'USA'} { '法国'} { '日本'} { '德国'} { '瑞典'} { '意大利'}

加速度最低的样车是美国制造，加速度最高的样车是德国制造。

加载样本数据。

加载（'carsmall'）

变量重量被测量为100辆汽车。变量Model_Year有三个独特的价值观，70，76,82，对应于模型1970年，1976年，和1982年。

计算每个车型年的平均重量和90％的预测区间。

(意味着,pred, grp) = grpstats(体重、Model_Year...{“的意思是”，“predci”，'的gname'}，'Α'，0.1）;

情节误差线显示平均体重和90％的预测区间，在品牌年度区分。与组名称标记水平轴。

ngrps =长度（GRP）;组的数量％errorbar（（1：ngrps）”，手段，预解码值（：，2）-means）XLIM（[0.5 3.5]）组（GCA，'XTICK'，1：ngrps，“xticklabel”，GRP）标题（'90％的预测区间按年权重”）

加载样本数据。

加载（'carsmall'）

的变量加速度和重量是100辆汽车测量的加速度和权重值。变量气瓶在每节车厢的气缸数。变量Model_Year有三个独特的价值观，70，76,82，对应于模型1970年，1976年，和1982年。

绘制平均加速，通过分组气瓶，有95％的置信区间。

grpstats（加速度，缸，0.05）

ans =3×116.6706 16.4765 11.6406

对汽车的平均加速度与8个柱面比为4个或6缸汽车显著更低。

绘制平均加速度和重量，分组气瓶和95％置信区间。缩放重量由1000个值，以便手段重量和加速度是大小相同的顺序。

grpstats((加速度、重量/ 1000),缸,0.05)

ans =3×216.6706 2.3726 16.4765 3.1255 11.6406 3.9703

汽车的平均重量随气缸数的增加而增加，平均加速度随气缸数的增加而减少。

Plot平均加速，分组的两气瓶和Model_Year。指定95％的置信区间。

grpstats（加速度，{缸，Model_Year}，0.05）

ans =8×116.1875 16.8667 16.7036 15.5000 17.0000 16.0333 11.0217 13.2222

有因为有三个独特值分组变量值9层可能的组合气瓶和三个唯一的值Model_Year。情节不显示与模型1982年8缸车，因为该数据不包括这一组合。

在1976年由8缸汽车的平均加速度大于在1970年由8缸汽车的平均加速度显著大。