- 1、本文档共10页,可阅读全部内容。
- 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、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、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
MATLAB插值与拟合的几个函数整理
MATLAB 插值与拟合
2015.4.19 19:21
【目录】
1. 线性拟合函数:regress()
2. 多项式曲线拟合函数:polyfit( )
3. 多项式曲线求值函数:polyval( )
4. 多项式曲线拟合的评价和置信区间函数:polyconf( )
5. 稳健回归函数:robustfit( )
§1 曲线拟合
实例:温度曲线问题
气象部门观测到一天某些时刻的温度变化数据为:
t 0 1 2 3 4 5 6 7 8 9 10
T 13 15 17 14 16 19 26 24 26 27 29
试描绘出温度变化曲线。
曲线拟合就是计算出两组数据之间的一种函数关系,由此可描绘其变化曲线及估计非采
集数据对应的变量信息。
曲线拟合有多种方式,下面是一元函数采用最小二乘法对给定数据进行多项式曲线拟合,
最后给出拟合的多项式系数。
1. 线性拟合函数:regress()
调用格式:b=regress(y,X)
[b,bint,r,rint,stats]= regress(y,X)
[b,bint,r,rint,stats]= regress(y,X,alpha)
说明:b=regress(y,X)返回X 处y 的最小二乘拟合值。该函数求解线性模型:y=Xβ+ε;
β是p´1 的参数向量;ε是服从标准正态分布的随机干扰的n´1 的向量;y 为n´1 的向量;
X 为n´p 矩阵。bint 返回β的95%的置信区间。r 中为形状残差,rint 中返回每一个残差的
95%置信区间。Stats 向量包含R2 统计量、回归的F 值和p 值。
例1:设y 的值为给定的x 的线性函数加服从标准正态分布的随机干扰值得到。即y=10+x+
ε;求线性拟合方程系数。
程序: x=[ones(10,1) (1:10)’]
y=x*[10;1]+normrnd(0,0.1,10,1)
[b,bint]=regress(y,x,0.05)
结果: x =
1 1
1 2
1 3
1 4
1 5
1 6
1 7
1 8
1 9
1 10
y =
10.9567
11.8334
13.0125
14.0288
14.8854
16.1191
17.1189
17.9962
19.0327
20.0175
b =
9.9213
1.0143
bint =
9.7889 10.0537
0.9930 1.0357
即回归方程为:y=9.9213+1.0143x
2. 多项式
文档评论(0)