数据分析与方程求解.pptVIP

数据分析 主要内容 一、多项式计算 二、数据的导入与导出 三、数据的统计分析 四、插值和拟合 五、Mathematica插值 六、Mathematica拟合 一、多项式计算 多项式可看做是符号表达式,利用符号运算可进行处理 多项式的向量表示 设有多项式 表示为: (1)多项式的加法 对应系数的加减运算 (2)多项式的乘法 ：conv(P1,P2) (3)多项式除法：[Q,r]=deconv(P1,P2) 其中Q返回相除的商，r返回余式。Q和r仍是多项式的系数向量 (4)代数多项式求值 ：Y=polyval(P,x) 若x为一数值，则求多项式P在该点的值； 若x为向量或矩阵，则对向量或矩阵中的每个元素求多项式P的值 (5)矩阵多项式求值 ：Y=polyvalm(P,X) X为向方阵，结果为矩阵X的乘与和 (6)多项式的求根 ：x=roots(P) 在复数范围内求多项式P的全部根 二、数据的导入与导出 Matlab支持的数据文件 Matlab特制的数据文件：.mat文件 通用数据文件：文本文件、EXCEL文件、数据库文件 等 特制数据文件的打开与保存 保存 右击需保存的变量，通过菜单操作 save命令保存变量到数据文件 打开 通过菜单“File|open” load 命令 通用数据文件 通过“File|Import Data”打开导入向导 三、数据的统计分析 求最大值和最小值（max和min） [Y,U]=max(A) A为向量,将A的最大值存入U,最大值序号存入U A为矩阵,Y表示每列的最大值,U记录每列最大值的行号 U=max(A,B) 由A和B中对应元素的较大者组成矩阵U。 求和、积、均值、中值、累加和、累乘 sum和prod、mean和median、cumsum和cumprod 例：x=[1,ones(1,10)*2]; y=cumprod(x); sum(y) 求得1+2+2^2+…+2^10 排序 [Y,I]=sort(A,dim,mode) Y是排序后的矩阵,I记录Y中的元素在A中的位置. dim取1(对列排序);取2(对行排序);默认列排序. mode的取值’ascend’(升序); ’descend’(降序);默认升序. 四、插值与拟合 引例1:在一天24小时内,从零点开始每间隔2小时测得的环境温度数据分别为(度) 12,9,9,10,18,24,28,27,25,20,18,15,13.请推测中午1点（即13点）时的温度。 引例2:在化学反应中,为研究某化合物的浓度随时间的变化规律,测得一组数据如下： 请给出变化规律,由此推测t为1、1.5、2、2.5…、10、10.5、11分钟时的值. 利用已给出的值,计算相关的值 设有一组实验观测数据(xi,yi),i=0,1,…n, 如何揭示自变量x与因变量y之间的关系？ 寻找近似的函数关系表达式y=f(x) 常用的方法:插值与拟合 1、插值 设测得的n个点的数据为(xi,yi) (i=1,2,…,n) ,构造一个函数y=g(x),使得在xi(i=1,2,…,n)有g(xi)=yi。g(x)称为插值函数。 插值函数自变量的个数：一维插值、二维插值、多维插值等 构造插值函数方法:线性插值、多项式插值、样条插值等 一维数据的插值 Y1=interpl(X,Y,X1,mothod) 根据X和Y的值插值，并求插值函数在X1处的值 Y是与X等长的向量,Y1是插值函数在X1处的值 Y是矩阵,X与Y的每一列分别插值，并分别在X1的值 X1是向量或标量,若X1中的元素不在X的范围内,则插值结果为NaN method的取值 ‘nearest’：最近插值、 ‘linear’：线性插值 ‘spline’：三次样条插值、‘cubic’：三次插值 二维数据插值 Z1=interp2(X,Y,Z,X1,Y1,method) 根据X、Y和Z的值插值，并求插值函数在X1、Y1处的值 X、Y是向量(X:行,Y:列),Z为函数值(size(Z)=length(Y)×length(X)) X、Y、Z是矩阵,X与Y同维, Z(i,j)是在点(X(i,j)，Y(i,j))处的值 引例1的求解 在一天24小时内,从零点开始每间隔2小时测得的环境温度分别为(度) 12,9,9,10,18,24,28,27,25,20,18,15,13. 请推测中午1点（即13点）时的温度。 解： (1)构造数据 h=0:2:24; T=[12,9,9,10,18,24,28,27,25,20,18,15,13]; (2)了解数据的分布 绘出数据的图形：plot(h,T,*) (3)选取适当插值方法，计算结果 interp1(h,T,13,s