Linux脚本开发技术数学库在PHP中的重要性

核心提示：R 提供了许多想法，PHP 开发人员可能会在 PHP 数学库中模拟这些想法，Linux脚本开发技术数学库在PHP中的重要性(4)，有了 R，可以确定从 PHP 数学库获得的值与那些从成熟的免费可用的开放源码统计包中获得的值是否一致，并用这些数组值对该类进行实例化，对类进行实例化后，清单 4 中的代码演示了交给 R 来处

　　
　　R 提供了许多想法，PHP 开发人员可能会在 PHP 数学库中模拟这些想法。
　　有了 R，可以确定从 PHP 数学库获得的值与那些从成熟的免费可用的开放源码统计包中获得的值是否一致。
　　清单 4 中的代码演示了交给 R 来处理以获取一个值是多么容易。
　　
　　清单 4. 交给 R 统计计算包来处理以获取一个值
　　
　　<?php
　　
　　// Copyright 2003, Paul Meagher
　　// Distributed under GPL
　　
　　class SimpleLinearRegression {
　　
　　var $RPath　= "/usr/local/bin/R";　// Your path here
　　
　　function getStudentProb($T, $df) {
　　$Probability = 0.0;
　　$cmd = "echo 'dt($T, $df)' | $this->RPath --slave";
　　$result = shell_exec($cmd);
　　list($LineNumber, $Probability) = explode(" ", trim($result));
　　return $Probability;
　　}
　　
　　function getInverseStudentProb($alpha, $df) {
　　$InverseProbability = 0.0;
　　$cmd = "echo 'qt($alpha, $df)' | $this->RPath --slave";
　　$result = shell_exec($cmd);
　　list($LineNumber, $InverseProbability) = explode(" ", trim($result));
　　return $InverseProbability;
　　}
　　
　　}
　　
　　?>
　　
　　请注意，这里已经设置了到 R 可执行文件的路径，并在两个函数中使用了该路径。第一个函数根据学生的 T 分布返回了与 T 统计值相关的概率值，而第二个反函数计算了与给定的 alpha 设置相对应的 T 统计值。getStudentProb 方法用来评估线性模型的吻合程度；getInverseStudentProb 方法返回一个中间值，它用来计算每个预测的 Y 值的置信区间。
　　
　　由于篇幅有限，我不可能逐个详细说明这个类中的所有函数，因此如果您想搞清楚简单线性回归分析中所涉及的术语和步骤，我鼓励您参考大学本科学生使用的统计学教科书。
　　
　　燃耗研究
　　要演示如何使用该类，我可以使用来自公共事业中燃耗（burnout）研究中的数据。Michael Leiter 和 Kimberly Ann Meechan 研究了称为消耗指数（Exhaustion Index)的燃耗度量单位和称之为集中度（Concentration）的独立变量之间的关系。集中度是指人们的社交接触中来自其工作环境的那部分比例。
　　
　　要研究他们样本中个人的消耗指数值与集中度值之间的关系，请将这些值装入适当命名的数组中，并用这些数组值对该类进行实例化。对类进行实例化后，显示该类所生成的某些汇总值以评估线性模型与数据的吻合程度。
　　
　　清单 5 显示了装入数据和显示汇总值的脚本：
　　
　　清单 5. 用于装入数据并显示汇总值的脚本
　　
　　<?php
　　
　　// BurnoutStudy.php
　　
　　// Copyright 2003, Paul Meagher
　　// Distributed under GPL
　　
　　include "SimpleLinearRegression.php";
　　
　　// Load data from burnout study
　　
　　$Concentration　 = array(20,60,38,88,79,87,
　　68,12,35,70,80,92,
　　77,86,83,79,75,81,
　　75,77,77,77,17,85,96);
　　
　　$ExhaustionIndex = array(100,525,300,980,310,900,
　　410,296,120,501,920,810,
　　506,493,892,527,600,855,
　　709,791,718,684,141,400,970);
　　
　　$slr = new SimpleLinearRegression($Concentration, $ExhaustionIndex);
　　
　　$YInt　　　= sprintf($slr->format, $slr->YInt);
　　$Slope　　 = sprintf($slr->format, $slr->Slope);
　　$SlopeTVal = sprintf($slr->format, $slr->SlopeTVal);
　　$SlopeProb = sprintf("%01.6f", $slr->SlopeProb);
　　
　　?>
　　
　　<table border='1' cellpadding='5'>
　　<tr>
　　<th align='right'>Equation:</th>
　　<td></td>