数据的曲线拟合.ppt

数据的曲线拟合 （Matlab） 实验5 、问题 人口预测问题。 下面给出的美国1900到到2000年的人口数。 我们的目标是预测未来的人口数。 t 1900 1910 1920 1930 1940 1950 y 75.995 91.972 105.711 123.203 131.669 150．697 t 1960 1970 1980 1990 2000 y 179.323 203.212 226.505 249.633 281.422 无论是插值问题还是曲线拟合问题，总是巳知一个函数在若干点处的信息（如实测数据），希望构造近似函数，用得到的插值或逼近函数给出被逼近函数在其他点处的值（如无法实测的点），或了解函数的整体情况。 插值与拟和： 插值函数近似的点在插值节点之间，则称为内插；否则称为外推。人口的预测问题如果用插值或拟合的方法，则显然是外推。 1、设a＝x0 x1 … xn ＝b,已知有n＋1个节点(xj , yj),j＝0，1，…，n．其中xj互不相同，这些节点（xj , yj）可以看成是由某个函数y=f(x)产生的。插值方法是构造一个相对简单的函数y=g(x)，使g通过全部节点,即g(xj)＝yj j=0,1,2, …,n，用g(x)作为函数f(x)的近似。 二、实验目的 学会用Matlab软件，来完成对数据的拟合和插 值的方法。 三、预备知识 拟合方法的求解思路有别于插值，以多项式拟合为例说明之。对于给定的数据（xj , yj），j＝0，1，…，n，选取适当阶数的多项式g(x),使g(x)尽可能接近这些数据。 这可以通过求解下面的最小化问题来实现： 设解为： ，则 g(x)= 就是所需的近似函数。 2、本实验中所用Matlab命令提示： ★ yi=interp1(x1,y1,xi,’linear’)； %一元插值函数 interpl,其中x1,y1为节点, 命令对应函数yi=g(xi)； ★ zi=interp1(x1,y1,xi,’cubic’)： %三次多项式插值； ★ p=polyfit(x1,y1,n)： %多项式拟合函数 polyfit( ), [p,s]=polyfit(x1,y1,n)：x1,y1为节点,n为多 项式阶数，矩阵s为 生成预测值的误差估 计； ★ y=polyval(p,x)： %多项式曲线求值函数 polyval, [y,DELTA]=polyval(p,x,s) 前者为返回对x在 系数p的项式的值，后者为输出s得出误差估计 Y±DELTA； ★所用函数：nlinfit( ) %带有待定常数的自 定义函数 调用格式： [beta,r,J]=nlinfit(x,y,’fun’,beta0) (说明：beta返回函数’fun’中的待定常数； r表示残差；J表示雅可比矩阵；x,y为数 据;’fun’自定义函数；beta0待定常数初值。) 1、就给出的美国1900到到2000年的人口数，拟合出多项式和向自定义函数拟合，并预测2010年美 国的人口数。 t 1900 1910 1920 1930 1940 1950 y 75,995 91,972 105,711 123,203 131,669 150,697 t 1960 1970 1980 1990 2000 y 179,323 203,212 226,505 249,633 281,422 四、实验内容与要求 2、 X取 1，2，…，20，y=x+3sin(x),分别用 6阶、10 阶曲线进行逼近。 3、 下表为某保险公司100个赔款样本的赔款状况，求出： (1)画直方图、散点图； (2)若分布适合对数正态分布模型,求参μ,σ (3)画对数正态分布密度图形。 赔款额（元） 赔款次数 0—400 2 400—800 24 800