>> n=5;					%zadefinujeme n
>> Q=[1:0.5:n;ones(n-1,2*n-1)];    	%pomocna matica vrchny riadok od 1.5 po n+1 s krokom 0.5 zvysok jednotky
>> format rat				% bude davat 1/n namiesto desatinneho cisla
>> A=cumsum(Q);				%kumulativny sucet prvkov v Q
>> A=flipud(rot90(A));			%otoci o 90stupnov a vymeni vrch zo spodkom
>> S=[2:n+1;ones(n-1,n)];		%pomocna matica vrchny riadok 2po n+1 ostatok 1tky
>> P=fliplr(cumsum(S)).^-1; 		%pomocna matica otoceny kumulativny sucent na -1
>> A(2:2:end+1,:)=P(1:end,:)		%na parne riadky matice A vlozi riadky matice P


>> dataV=[161 164 164 164 167 168 169 171 173 175 175 176 177 178 178 180 180 181 181 182 183 184 184 185 186 188 190 193 197 198];  %definicia datoveho suboru
>> dataH=[67 68 68 70 71 73 74 74 75 77 77 78 78 78 80 80 80 80 81 83 84 85 86 86 88 91 92 95 97 100];                               %definicia datoveho suboru
>> avg=mean(dataH); 				  %priemer dataH
>> x=round(randn(1,5000)*5+avg);		  %vytvori vektor nahodnych 5000 prvkov podla normalneho(gaussovho) rozdelenia
>> poc=8;			       	          %definicia poctu tried
>> sirka=(max(x)-min(x))/poc;                     %sirka jednej triedy
>> hr=[min(x):sirka:max(x)];                      %zadefinuje hranice tried
>> pt=histc(x,hr);  				  %pocetnost prvkov v jednotlivych triedach+posledna trieda
>> ptt=[pt(1:end-2),pt(end-1)+pt(end)];           %pripocita prvky 8mej triedy do prvkov 7mej triedy
>> kpt=cumsum(ptt);                               %kumulativna pocetnost
>> n=length(x);                                   %dlzka vektoru x
>> rpt=ptt/n*100;                                 %relativna pocetnost   (v percentach)
>> Sxy=cov(dataV,dataH,1);                        %kovariancia
>> Sxx=cov(dataV,1);                              %variancia dataV
>> Syy=cov(dataH,1);                              %variancia dataH     
>> kkoef=Sxy(1,2)/sqrt(Sxx*Syy);                  %korelacny koeficient