Wolfram言語の記号的アーキテクチャにより，統計モデルを使用する作業への非常に便利なアプローチが可能となる．Wolfram言語は任意のデータから始めてフィットモデルの記号表現を生成する．そこから結果とスペクトルの完全な診断を即座に抽出したり，可視化したり，他の計算で使用したりすることができる．

LinearModelFit — データから線形回帰モデルを構築する

NonlinearModelFit — 非線形回帰モデルを構築する

GeneralizedLinearModelFit — 一般のリンク関数を使った，一般化された線形モデル

LogitModelFit  ▪  ProbitModelFit

model["property"] — モデルから特性，診断等を抽出する

model[x₁,…] — 特定の点において最もフィットするものの値を計算する

"BestFit"  ▪  "FitResiduals"  ▪  "ANOVATable"  ▪  "ParameterConfidenceIntervals"  ▪  "CookDistances"  ▪  "Deviances"  ▪  "AIC"  ▪  "FitCurvatureTable"  ▪  ...

FittedModel — モデルの記号表現

Normal — 記号モデルから最もフィットするものの式を抽出する

詳細制御

Weights  ▪  NominalVariables  ▪  LinkFunction  ▪  LinearOffsetFunction

ConfidenceLevel  ▪  VarianceEstimatorFunction  ▪  DispersionEstimatorFunction

DesignMatrix — データからデザイン行列を構築する

記号的なモデル発見

FindFormula — データの簡単な記号式を求めようとする

FindDistribution — データの分布の簡単な記号形式を求めようとする