MATLAB基础知识讲义.ppt

3. 模型预测的置信区间用polyconf实现，其具体调用格式如下： [Y,DELTA]=polyconf(p,X,S,alpha) 求polyfit所得的回归多项式在X处的 预测值Y及预测值的显著性为1-alpha的置信区间Y±DELTA，alpha缺省时 为0.05. 4. 交互式画图工具polytool，其具体调用格式如下： polytool(x,y,m)； polytool(x,y,m,alpha)； 用m次多项式拟合x，y的值，默认值为1，alpha为显著性水平，默认值为 0.05. 例1 观测物体降落的距离s与时间t的关系，得到数据如下表，求s. 根据数据的散点图，应拟合为一条二次曲线.选用二次模型，具体代码如 下： %%%输入数据 t=1/30:1/30:14/30; s=[11.86 15.67 20.60 26.69 33.71 41.93 51.13 61.49 72.90 85.44 99.08 113.77 129.54 146.48]; %%%多项式系数拟合 [p,S]=polyfit(t,s,2); 则得回归模型为： . %%%y的拟合值及预测值y的置信半径delta [y,dalta]=polyconf(p,t,S); 可得结果 %%%交互式画图 polytool(t,s,2); polytool所得的交互式图形如下图. (2) 多元二项式回归 多元二项式回归模型的一般形式为 . 多元二项式回归命令：rstool(x,y,’model’,alpha) x表示n?m矩阵；y表示n 维列向量；alpha为显著性水平(缺省时为0.05)；model表示由下列4个模型 中选择1个(用字符串输入，缺省时为线性模型)： linear(线性)： ； purequadratic(纯二次)： ； interaction(交叉)： ； quadratic(完全二次)： . 例2 设某商品的需求量与消费者的平均收入、商品价格的统计数据如下， 建立回归模型，预测平均收入为1000、价格为6时的商品需求量. 选择纯二次模型，即 . %%%输入数据 x1=[1000 600 1200 500 300 400 1300 1100 1300 300]; x2=[5 7 6 6 8 7 5 4 3 9]; x=[x1 x2]; y=[100 75 80 70 50 65 90 100 110 60]; %%%多元二项式回归 rstool(x,y,purequadratic); 得如下结果 得到一个如图所示的交互式画面，左边是x1（=1000）固定时的曲线y（x1）及其置信区间，右边是x2（=6）固定时的曲线y（x2）及其置信区间.用鼠标移动图中的十字线，或在图下方窗口内输入，可改变x1，x2.在左边图形下方的方框中输入1000，右边图形下方的方框中输入6，则画面左边的“Predicted Y1”下方的数据变为88.4791，即预测出平均收入为1000、价格为6时的商品需求量为88.4791. 在画面左下方单击”Export”，在出现的窗体中单击”ok”按钮，则beta、rmse和residuals都传送到Matlab工作区中. 在Matlab工作区中输入命令：beta,rmse，得结果： beta=110.5313 0.1464 -26.5709 -0.0001 1.8475 rmse =4.5362 回归模型为：