matlab多元非线性回归_推荐.pdfVIP

matlab 回归（拟合）总结 前言 1、学三条命令 polyfit(x,y,n)拟合成一元幂函数（一元多次） regress(y,x)可以多元， nlinfit(x,y,’fun’,beta0) (可用于任何类型的函数，任意多元函数，应用范围最主，最万 能的) 2 、同一个问题，这三条命令都可以使用，但结果肯定是不同的，因为拟合的近似结果， 没有唯一的标准的答案。相当于咨询多个专家。 3、回归的操作步骤： 根据图形（实际点），选配一条恰当的函数形式（类型）需要数学理论与基础和经验。 （并写出该函数表达式的一般形式，含待定系数）选用某条回归命令求出所有的待定 系数。所以可以说，回归就是求待定系数的过程（需确定函数的形式） 一、回归命令 一元多次拟合polyfit(x,y,n);一元回归polyfit; 多元回归regressnlinfit(非线性) 二、多元回归分析 对于多元线性回归模 (其实可以是非线性，它通用性极高) ： y    x   x  e 0 1 1 p p 设变量x , x ,x , y 的n 组观测值为(x , x ,x , y ) i  1, 2,, n 1 2 p i1 i 2 ip i  1 x x  x  y   11 12 1p   0    1     1 x 2 1 x 22  x 2p  y 2  1  记 x       ，y   ，则    的估计值为排列方式        1 x n1 x n 2  x np  y n  p        与线性代数中的线性方程组相同（），拟合成多元函数regress 使用格式：左边用b=[b, bint, r, rint, stats]右边用=regress(y, x)或regress(y, x, alpha) 命令中是先y 后x, 须构造好矩阵x(x 中的每列与目标函数的一项对应) 并且x 要在最前面额外添加全1 列/对应于常数项 y 必须是列向量 结果是从常数项开始与polyfit 的不同。） 其中： b 为回归系数， 的估计值(第一个为常数项) ，bint 为回归系数的区间估计，r:  残差 ，rint: 残差的置信区间，stats: 用于检验回归模型的统计量，有四个数值：相关系数 r2 、F 值、与F 对应的概率p 和残差的方差（前两个越大越好，后两个越小越好），alpha: 显著性水平（缺省时为0.05，即置信水平为95% ），（alpha 不影响b, 只影响bint( 区间估计) 。 它越小，即置信度越高，则bint 范围越大。显著水平越高，则区间就越小）（返回五个结 果）如有n 个自变量-有误（n 个待定系数），则b 中就有n+1 个系数（含常数项，第 一项为常数项）(bb 的范围/置信区间残差rr 的置信区间rint点估计区间估计 此段上课时不要： 如果 的置信区间（bint 的第 行）不包含0，则在显著水 i i 1  平为 时拒绝 的假设，认为变量 是显著的．*******(而rint 残差