matlab在大气探测中的应用课件第四章 节 matlab数据分析.ppt

3.曲线拟合 练习: 1. 已知观测数据点如表所示 x y 0 3.1 0.1 3.27 0.2 3.81 0.3 4.5 0.4 5.18 0.5 6 0.6 7.05 0.7 8.56 0.8 9.69 0.9 11.25 1 13.17 求用三次多项式进行拟合的曲线方程. 2. 已知观测数据点如表所示 x y 1.6 17.7 2.7 49 1.3 13.1 4.1 189.4 3.6 110.8 2.3 34.5 0.6 4 4.9 409.1 3 65 2.4 36.9 求a, b, c的值, 使得曲线 f(x)=aex+bsin x+c lnx 与已知数据点在最小二乘意义上充分接近. 本章小结 1. 几种数据统计的函数：最大值、最小值求和、均值、方差等； 2. 数据插值：一维插值，二维插值； 3. 曲线拟合：多项式线性拟合、非线性最小二乘曲线拟合。 * * * * * * * * * * * * * * * * * * * * * * * * 第四章 MATLAB数据分析 数据统计处理 数据插值 曲线拟合 1.数据统计处理 函数 说明 max 返回数据集最大值 min 返回数据集最小值 mean 计算数据集平均值 median 返回数据集中位值 var 计算数据集方差 std 计算数据集均方差 基础统计分析函数 当这些参数的输入参数是一维数组时，则以该一维数组为数据集进行统计计算。若输入参数是二维数组时，则以二维数组每一列为一个数据集分别进行统计分析。 1.数据统计处理 例 基础数据统计分析 A=randn(100,5); [mx,mxrow]=max(A) %求各列数据的最大值和所在行号 运行结果： mx= 2.3672 1.8705 2.6903 2.1704 2.7316 mxrow=82 39 93 67 56 mmx=max(A(:)) %求所有数据的总体最大值 运行结果： mmx=2.7316 mx2=max(A(:,2)) %求第二列数据最大值 m2x=max(A(2,:)) %求第二行数据（5个数）的最大值 其他函数与此类似。 1.数据统计处理 设X是一个向量，A是一个矩阵，函数的调用格式为： sum(X)：返回向量X各元素的和。 prod(X)：返回向量X各元素的乘积。 sum(A)：返回一个行向量，以二维数组的每一列为一个数据集进行求和。 sum(A,dim)：当dim为1时，对列求和，与sum(A)相同；当dim为2时，对行求和。 求和与求积 1.数据统计处理 B=randn(2,5); sum(B) ans = -0.8317 -1.9851 0.1020 1.6615 2.2484 sum(B,1) ans = -0.8317 -1.9851 0.1020 1.6615 2.2484 sum(B,2) ans = -1.3683 2.5635 例 矩阵求和 1.数据统计处理 corrcoef(X)：返回从矩阵X形成的一个相关系数矩阵。此相关系数矩阵的大小与矩阵X一样。它把矩阵X的每列作为一个变量，然后求它们的相关系数。 corrcoef(X,Y)：在这里，X,Y是向量，它们与corrcoef([X,Y])的作用一样。 相关系数 2.数据插值 科研或工程中，常有这样的问题：给一批数据点，需确定满足特定要求的曲线或曲面。如果要求所求曲线(面）通过所给所以数据点，这就是插值问题。 当数据较多，插值函数是一个次数很高的函数，比较复杂，同时，给定的数据一般是由观察测量所得，往往带有随机误差，因而，求曲线(面）通过所有数据点就既不现实也不必要。如果不要求曲线(面）通过所有数据点，而是要求它反映对象整体的变化趋势，可得到更简单实用的近似函数，这就是数据拟合。 2.数据插值 x,y—数据点的横纵坐标，x必须单调 cx—需要插值的横坐标数据（或数组）， cx不能超出x的范围 method—可选参数 interp1(x,y,cx,’method’) Nearest:最邻近点插值 Linear：线性插值 Spline：线性样条插值 cubic ：三次插值 一维插值 2.数据插值 例：在12h内，每隔1h测量一次温度，温度依次为：5，8，9，15，25，29，31，30，22，25，27，24。每隔1/10h估计一次温度值。 hours=1:12; temps=[5 8 9 15 25 29 31 30 22 25 27 24]; h=1:.1:12; t=interp1(hours,temps