数据拟合实验举例及程序.pdf

实验二：曲线拟合

目的与要求：了解最小二乘法的基本原理，用最小二乘法求拟合数据的多项式，做出离散函

(x,y)

数ii和拟合函数的图形，掌握利用最小二乘法进行数据拟合的基本思想，熟悉寻找最

佳方法拟合曲线的方法，通过计算机解决实验问题

例题1已知观测数据

x00.10.20.30.40.50.60.70.80.91

y-0.4471.9783.286.167.087.347.669.569.489.311.2

对实验一中的例题2进行曲线拟合

x=0:0.1:1;

y=[-0.4471.9783.286.167.087.347.669.569.489.311.2];

plot(x,y,k.,markersize,25)

axis([01.3-216])

p=polyfit(x,y,3);

p1=polyfit(x,y,6);

t=0:0.01:1.2;

s=polyval(p,t);

s1=polyval(p1,t);

holdon

plot(t,s,k-,linewidth,2)

plot(t,s,k--,linewidth,2)

grid;

例题2已知观测数据

x1345678910

y1054211234

求一代数多项式曲线，使其最好地拟合这组给定数据。

（1）画出数据分布趋势图

xi=[1345678910];

yi=[1054211234];

plot(xi,yi,o)

（2）建立数学模型y=a2x^2+a1x+a0建立超定方程组系数矩阵

A=[ones(size(xi));xi;xi.^2]

A=

111

139

1416

1525

1636

1749

1864

1981

110100

（3）求超定方程组的最小二乘解

a=A\yi

a=

13.4597

-3.6053

0.2676

（4）求拟合曲线方程

b=[0.2376-3.605313.4597]

b=

0.2376-3.605313.4597

y=poly2str(b,x)

y=

0.2376x^2-3.6053x+13.4597

f2=polyval(flipud(a),xi);

plot(xi,yi,bo,xi,f2,r-)

（5）用方程y=ax^b拟合

x=[ones(size(xi));log(xi)];

aa=x\log(yi)

aa=

2.1257

-0.6913

yy=exp(2.1257)*xi.^(-0.6913);

yy=exp(2.1257)*xi.^(-0.6913);

plot(xi,yi,bo,xi,yy,r--,xi,f2,b-)

例题3已知观测数据

x0.10.40.50.70.70.9

y0.610.920.991.521.472.03

用polyfit命令作拟合直线并计算偏差。

fprintf(ix(i)y(i)