电脑桌面
添加小米粒文库到电脑桌面
安装后可以在桌面快捷访问

Matlab线性回归(拟合)VIP免费

Matlab线性回归(拟合)_第1页
1/6
Matlab线性回归(拟合)_第2页
2/6
Matlab线性回归(拟合)_第3页
3/6
Matlab 线性回归(拟合) 对于多元线性回归模型: exxypp110 设变量12,,,px xxy 的n 组观测值为 12(,,,)1,2,,iiipixxxyin. 记 npnnppxxxxxxxxxx212222111211111,nyyyy21,则p10 的估计值为 yxxxb')'(ˆ1  (11.2) 在Matlab 中,用regress 函数进行多元线性回归分析,应用方法如下: 语法:b = regress(y , x ) [b, bint, r, rint, stats] = regress(y , x ) [b, bint, r, rint, stats] = regress(y , x , alpha) b = regress(y , x ),得到的1p维列向量b 即为(11.2)式给出的回归系数 的估计值. [b, bint, r, rint, stats]=regress(y , x ) 给出回归系数 的估计值b, 的95%置信区间((1)2p 向量)bint,残差r 以及每个残差的95%置信区间(2n向量)rint;向量stats给出回归的R2 统计量和F 以及临界概率p 的值. 如果i 的置信区间(bint 的第1i  行)不包含0,则在显著水平为 时拒绝0i 的假设,认为变量ix 是显著的. [b, bint, r, rint, stats]=regress(y , x , alpha) 给出了bint 和rint 的100(1-alpha)%的置信区间. 三次样条插值函数的MATLAB 程序 matlab 的spline x = 0:10; y = sin(x ); %插值点 x x = 0:.25:10; %绘图点 y y = spline(x ,y ,x x ); plot(x ,y ,'o',x x ,y y ) 非线性拟合 非线性拟合可以用以下命令(同样适用于线形回归分析): 1.beta = nlinfit(X,y,fun,beta0) X 给定的自变量数据,Y 给定的因变量数据,fun 要拟合的函数模型(句柄函数或 者内联函数形式), beta0 函数模型中系数估计初值,beta 返回拟合后的系数 2.x = lsqcurvefit(fun,x0,xdata,ydata) fun 要拟合的目标函数,x0 目标函数中的系数估计初值,xdata 自变量数据,ydata函数值数据 X 拟合返回的系数(拟合结果) nlinfit 格式: [beta,r,J]=nlinfit(x ,y ,’model’, beta0) Beta 估计出的回归系数 r 残差 J Jacobian 矩阵 x ,y 输入数据x 、y 分别为 n*m 矩阵和 n 维列向量,对一元非线性回归,x 为 n 维列向量。 model 是事先用m-文件定义的非线性函数 beta0 回归系数的初值 例 1 已知数...

1、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用,不得用于其他商业用途(如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利)。
2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。
3、如文档内容存在违规,或者侵犯商业秘密、侵犯著作权等,请点击“违规举报”。

碎片内容

Matlab线性回归(拟合)

确认删除?
VIP
微信客服
  • 扫码咨询
会员Q群
  • 会员专属群点击这里加入QQ群
客服邮箱
回到顶部