北师MATLAB课件实验课四.pptVIP

数学模型实验课（四） 拟合、插值以及三维图 一、拟合 1.直线拟和 数据（xi, yi）,拟合直线 y = a + bx, 误差最小 模型：yi = a + bxi +ε 2.直线拟合的效果（相关系数） X1=[x’,y’];m=size(X1);n=m(1);p=m(2)； X=[ones(n,1),x’];B=X\y’;a=B(1);b=B(2:p); y1=a+b’*x’;plot(x,y1,’r’,x,y,’*r’); Cov=X1’*(eye(n)-ones(n)./n)*X1; Lyy=Cov(p,p);Lxx=Cov(1:(p-1),1:(p-1)); R=(b’*Lxx*b)/Lyy;r=sqrt(R); 3. 多项式拟合 b=polyfit(x,y,n); 4.线性回归 [b,bint,R,Rint,stats]=regress(y’,X); b：回归系数，bint：置信区间， R：剩余（误差），Rint 置信区间， Stats：统计量：r2，F，p，σ2。 问题1. 生物学家认为，正在休息的温血动物体内的能量就是为了保持其体温， 体内的能量与通过心脏的血流量成正比， 建立一个数学模型将通过心脏的血流量与体重联系起来。 进一步建立心搏率与体重的关系， 讨论你模型中的假设， 并用下面数据检验模型。 动物名 体重（克） 脉搏率（/分） 蝙蝠 4 660 鼠 25 670 大鼠 200 420 豚鼠 300 300 兔 2000 205 小狗 5000 120 大狗 30000 85 羊 50000 70 人 70000 72 马 450000 38 牛 500000 40 象 3000000 48 二. 插值（Interpolation) 1. 一般插值： interp1(x,y,xi,’linear’) 对数据（xi, yi）使用线性的方法在点 {xi} 插值. interp2(x,y,z,xi,yi,’spline’) 对数据（xi, yi,zi）使用样条在网格 {X,Y} 上插值. 方法：spline, cubic, nearest, linear 例： x=1:10;y=sin(x);xi=0:0.25:10; yi=interp1(x,y,xi,’linear’);plot(x,y,’*’,xi,yi) 2. 样条插值 spline(x,y,xi) 例 1. x=1:10;y=sin(x);xx=0:0.25:10; yy=spline(x,y,xx);plot(x,y,’*’,xx,yy) 例 2. x=-4:4; y=[0,.15,1.12,2.36,2.36,1.46,.49,.06,0]; cs=spline(x,[0,y,0]);xx=linspace(-4,4,101); plot(x,y,’*’,xx,ppval(cs,xx),’-’) 例 3.7 一水库上游河段降暴雨.，根据预报测算上游流入水库的流量为Q(t) (102立方米/秒) ： t (时) 8 12 16 24 30 44 48 56 60 Q（t) 36 54 78 92 101 35 25 16 13 利用这个预报值估计14：30 和 20：30 时上游流入水库的流量。 假设: 1 已知数据准确。 2 相邻两个时刻之间的流量没有突然的变化。 t=[8,12,16,24,30,44,48,56,60]; q=[36,54,78,92,101,35,25,16,13]; t1=8:0.5:60; q1=inte