加载示例数据。

负载fisheriris

列向量物种由三种不同种类的鸢尾花组成:蔷薇花、花斑花和维京花。双矩阵梅斯由四种花的尺寸组成:萼片和花瓣的长度和宽度，分别以厘米为单位。

将数据存储在表数组中。

t =表(物种,量(:1),(2):,,(:,3),(4):,,．..“VariableNames”,{“物种”，“meas1”，“meas2”，“meas3”，“meas4”}）;数据集[1 2 3 4]'，“VarNames”,{“测量”}）;

拟合一个重复测量模型，其中测量是响应和物种是预测变量。

rm = fitrm (t)“物种meas1-meas4 ~”，“WithinDesign”、量);

随机生成新的响应值。

ysim =随机(rm);

随机使用原始样本数据中的预测值来拟合重复测量模型rm在表t．

加载示例数据。

负载repeatedmeas

表之间的包括受试者之间的变量年龄，智商，组，性别和八个重复的测量 $$y1$$通过 $$y8$$作为响应。表在包括主题内部变量 $$w1$$和 $$w2$$．这是模拟数据。

符合重复测量模型，其中重复测量 $$y1$$通过 $$y8$$，年龄、智商、群体、性别以及群体与性别之间的相互作用是预测变量。还要指定主题内的设计矩阵。

rm = fitrm(之间,'y1-y8 ~组*性别+年龄+智商'，“WithinDesign”内);

为预测变量定义一个具有新值的表。

93年tnew =表(16日,{“B”}，{“男”}，“VariableNames”,{“年龄”，“智商”，“集团”，“性别”}）

tnew =1×4表年龄智商组性别  ___ __ _____ ________ 16 93 {B}{‘男性’}

使用新表中的值随机生成新的响应值tnew．

tnew ysim =随机(rm)

ysim =1×846.2252 66.8003 -40.4987 -1.9930 27.5213 -37.9809 4.8905 -3.7568