2环境统计常见数据分析方法的MATLAB实现及应用.ppt

2环境统计常见数据分析方法的MATLAB实现及应用.ppt

  1. 1、本文档共72页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
2环境统计常见数据分析方法的MATLAB实现及应用

环境统计常见数据分析方法的MATLAB实现及应用 第二讲 一、参数估计方法 线性回归 非线性回归 网格搜索 一、参数估计方法——基于线性回归/非线性回归、网格搜索 1、线性回归 一、参数估计方法——基于线性回归/非线性回归、网格搜索 线性回归-举例 一、参数估计方法——基于线性回归/非线性回归、网格搜索 求解思路 一、参数估计方法——基于线性回归/非线性回归、网格搜索 编程实现 Mu=0.5;A=20;xx=500;%给出已知条件 t=[180 300 480 660 900 1140 1560 1800 2100 2400 3000 3600]; C=[14 150 450 624 656 578 393 302 212 147 69 32]; y=log(C.*sqrt(t));x1=1./t;x2=t;X=[ones(size(t,1),1),x1,x2];%构造因变量自变量矩阵 [b012,bint,r,rint,stats]=regress(y,X,0.05) %多元线性回归 T=xx/u; B=b012(3)*(-1) %观察两种途径求得的B是否相等? B=(-1)*b012(2)/T^2 %观察两种途径求得的B是否相等? A0=exp(b012(1)-2*B*T); disp(由B算Dx,);Dx=u^2/(4*B),disp(由A0算Dx,);Dx=(M/(A0*A*sqrt(4*pi)))^2 一、参数估计方法——基于线性回归/非线性回归、网格搜索 2、非线性回归 一、参数估计方法——基于线性回归/非线性回归、网格搜索 非线性回归-MATLAB函数 一、参数估计方法——基于线性回归/非线性回归、网格搜索 非线性回归-举例-nlinfit 一、参数估计方法——基于线性回归/非线性回归、网格搜索 【求解】①定义模型的M函数,并给出参数初始值beta0=[b10, b20, b30, b40, b50],然后调用nlinfit()函数得到估计的参数beta、回归残差r、雅可比矩阵J。 ②利用以上输出结果以及函数nlparci()得到非线性模型估计参数的95%置信度下的置信区间。 ③调用nlpredci()函数得到非线性模型响应值(因变量)的置信区间。 M函数程序如下: function yrate=c2fun213(b,x) x1=x(:,1);x2=x(:,2);x3=x(:,3); yrate=(b(1)*x2-x3/b(5))./(1+b(2)*x1+b(3)*x2+b(4)*x3);%数组点运算 一、MATLAB基本数学运算 X=[470 300 10 285 80 10 470 300 120 470 80 120 470 80 10 100 190 10 100 80 65 470 190 65 100 300 54 100 300 120 100 80 120 285 300 10];%定义自变量x y=[8.5500 3.7900 4.8200 0.0200 2.7500 14.3900 2.5400 4.3500 13.0000 8.5000 0.0500 11.3200];%定义因变量y beta0=[1 0.5 0.2 0.1 2];%给出参数初始值 [beta,r,J]=nlinfit(X,y,c2fun213,beta0) %调用函数求取参数 betaci=nlparci(beta, r, J) %求参数95%置信度下的估计区间 xinput=[470 300 10;285 80 10;470 300 120;470 80 120;470 80 10];%给出自变量一些值 [ypred, yci]=nlpredci(c2fun213,xinput,beta, r,J) %得到因变量的估计区间 运行结果: beta =[1.3871 0.0689 0.0455 0.1220 1.0874] betaci=-0.7541 3.5282;-0.0377 0.1755;-0.0318 0.1228;-0.0602 0.3042;-0.6126 2.7873 ypred =[ 8.4315 3.9904 4.9571 0.0118 2.6603] yci = [0.2459 0.2219 0.1644 0.1667 0.1

文档评论(0)

shuwkb + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档