logistic模型和最小二乘解析.pptVIP

最小二乘拟合 问题：给定 拟合一个函数 y=f(x,t)，其中x为待定的参数向量 MATLAB最小二乘拟合 命令 lsqcurvefit 基本用法 [x,resnorm，res]=lsqcurvefit(@f,x0,t,y,lb,ub) 输入：@f =f(x,t) x0=参数初值 t=自变量向量 y=函数值向量 lb ub =参数的上下界 输出 x=参数估计值 resnom=r, r(误差平方和） res= r(误差向量) 例子 估计模型参数 r的MATLAB方法 1.建立M文件 myexp.m function f=myexp(x,t) f=x(1)*exp(x(2)*t); 2.建立M文件myexpexec.m t=0:21 y=[3.9,5.3,7.2,9.6,12.9,17.1,23.2,31.4,38.6, 50.2,62.9,76.0,92.0,106.5,123.2,131.7,150.7, 179.3,204.0,226.5,251.4,281.4] x0=[4,0.3]; [x,norm,res]=lsqcurvefit(@myexp,x0,t,y) 3. 利用MATLAB作图,比较结果 plot(t,y,+); hold on; y1=myexp(x,t); % 理论数据 plot(t,y1,*); 指数模型结果 如果用LOGISTIC 模型作拟合，步骤相同 1.建立m文件 mylogistic.m function f=mylogistic(x,t) f=x(1)/(1+(x(1)/3.9-1)*exp(-x(2)*t)); 2. 和前面相同，只要将 myexp 换为mylogistic LOGSTIC模型结果 两个模型结果比较 线性化后再参数估计 对指数模型 MATLAB线性回归命令 b = regress(y,X) 返回回归系数向量b, 线性模型 y = Xb, X 是 n×p 矩阵, y 是观察值向量 使用线性回归的M文件 t=0:21 y=[3.9,5.3,7.2,9.6, …,251.4,281.4]; logy=log(y); logy=logy; X=[ones(22,1) t]; b=regress(logy,X); x(1)=exp(b(1));x(2)=b(2); y1=myexp(x,t); plot(t,y,+,t,y1,*); 结果 对logistic 模型 MATLAB M文件 y=[3.9,5.3,7.2,…,251.4,281.4]; dy=diff(y); dyy=dy./y(1:21); dyy=dyy; tt=y(1:21); X=[ones(21,1) tt]; b=regress(dyy,X); x(1)=-b(1)/b(2); x(2)=b(1); t=0:20; y1=mylogistic(x,t); plot(t,y(1:21),+,t,y1,*); 运行结果 背景 年 1625 1830 1930 1960 1974 1987 1999 人口(亿) 5 10 20 30 40 50 60 世界人口增长概况 中国人口增长概况 年 1908 1933 1953 1964 1982 1990 1995 2000 人口(亿) 3.0 4.7 6.0 7.2 10.3 11.3 12.0 13.0 研究人口变化规律 控制人口过快增长 如何预报人口的增长 指数增长模型——马尔萨斯提出 (1798) 常用的计算公式 x(t) ~时刻t的人口 基本假设 : 人口(相对)增长率 r 是常数 今年人口 x0, 年增长率 r k年后人口 随着时间增加，人口按指数规律无限增长 指数增长模型的应用及局限性 与19世纪以前欧洲一些地区人口统计数据吻合 适用于19世纪后迁往加拿大的欧洲移民后代 可用于短期人口增长预测 不符合19世纪后多数地区人口增长规律 不能预测较长期的人口增长过程 19世纪后人口数据 人口增长率r不是常数(逐渐下降) 阻滞增长模型(Logistic模型) 人口增长到一定数量后，增长率下降的原因： 资源、环境等因素对人口增长的阻滞作用 且阻滞作用随人口数量增加而变大 假设 r~固有增长率(x很小时) xm~人口容量（资源、环境