Matlab线性回归拟合应用.docVIP

  1. 1、本文档共7页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、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。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
Matlab线性回归(拟合) 对于多元线性回归模型: 设变量的n组观测值为 . 记 ,, 则 的估计值为 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p+1维列向量b即为(11.2)式给出的回归系数β的估计值. [b, bint, r, rint, stats]=regress(y, x) 给出回归系数β的估计值b,β的95%置信区间((p+1)*2向量)bint,残差r以及每个残差的95%置信区间(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. 如果的置信区间(bint的第i+1行)不包含0,则在显著水平为时拒绝的假设,认为变量是显著的. [b, bint, r, rint, stats]=regress(y, x, alpha) 给出了bint和rint的100(1-alpha)%的置信区间. 1.三次样条插值函数的MATLAB程序 matlab的spline x = 0:10; y = sin(x); %插值点 xx = 0:.25:10; %绘图点 yy = spline(x,y,xx); plot(x,y,o,xx,yy) 2.非线性拟合非线性拟合可以用以下命令beta = nlinfit(x,y,fun,beta0) x:给定的自变量数据,给定的因变量数据,un: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:函数值数据拟合返回的系数(拟合结果)linfit函数 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: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x1=[0.5,0.4,0.3,0.2,0.1]; x2=[0.3,0.5,0.2,0.4,0.6]; x3=[1.8,1.4,1.0,1.4,1.8]; y=[0.785,0.703,0.583,0.571,0.126]’; 且y与x1,x2 , x3关系为多元非线性关系只与x2,x3相关y=a+b*x2+c*x3+d*(x2.^2)+e*(x3.^2) 求非线性回归系数1)对回归模型建立M文件model.m如下: function yy=myfun(beta,x) x1=x(:,1); x2=x(:,2); x3=x(:,3); yy=beta(1)+beta(2)*x2+beta(3)*x3+beta(4)*(x2.^2)+beta(5)*(x3.^2); (2)主程序如下: x=[0.5,0.4,0.3,0.2,0.1;0.3,0.5,0.2,0.4,0.6;1.8,1.4,1.0,1.4,1.8]; y=[0.785,0.703,0.583,0.571,0.126]; beta0=[1,1, 1,1, 1]; [beta,r,j] = nlinfit(x,y,@myfun,beta0) 例题2:混凝土的抗压强度随养护时间的延长而增加,现将一批混凝土作成12个试块,记录了养护日期(日)及抗压强度y(kg/cm2)的数据:养护时间x =[2 3 4 5 7 9 12 14 17 21 28 56 ] 抗压强度y =[35+r 42+r 47+r 53+r 59+r 65+r 68+r 73+r 76+r 82+r 86+r 99+r ] 建立非线性回归模型,对得到的模型和系数进行检验。 注明:此题中的+r代表加上一个[-0.5,0.5]之间的随机数 模型为:y=a+k1*exp(m*x)+k2*exp(-m*x); Matlab程序: x=[2 3 4 5 7 9 12 14 17 21 28 56]; r=rand(1,12)-0.5; y1=[35 42 47 53 59 65 68 73 76 82 86 99]; y=y1+r ; myfunc=inline(beta(1)+beta(2)*exp(beta(4)*x)+b

文档评论(0)

企业资源 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档