评估曲线拟合

开立真实脚本

这个例子说明了如何使用曲线拟合工作。

加载数据和拟合多项式曲线

加载人口调查曲线拟合=拟合（CDATE，POP，'POLY3'，“正常化”，'上'）

曲线拟合=线性模型POLY3：曲线拟合（X）= P1 * X ^ 3 + P2 * X ^ 2 + P3 * X + P4，其中x是通过平均1890归一化和std 62.05系数（具有95％置信界限）：P1 = 0.921（-0.9743，2.816）P2 = 25.18（23.57，26.79）P3 = 73.86（70.33，77.39）P4 = 61.74（59.69，63.8）

输出显示拟合模型方程，拟合系数，以及用于拟合系数的置信界限。

画出飞度，数据，残差和预测边界

图（曲线拟合，CDATE，流行）

画出残差适合。

图（曲线拟合，CDATE，流行，“残差”）

剧情就放不下的预测范围。

图（曲线拟合，CDATE，流行，'predfunc'）

评估在指定点飞度

通过指定的值评估适合在特定点X，使用这种形式：Y = fittedmodel（x）的。

曲线拟合（1991）

ANS = 252.6690

评估拟合值的许多点

在评估值来推断一个向量模型到2050年。

X1 =（2000：10：2050）。';曲线拟合（十一）

ANS =6×1276.9632 305.4420 335.5066 367.1802 400.4859 435.4468

获取这些值的预测范围。

CI = predint（曲线拟合，XI）

CI =6×2267.8589 286.0674 294.3070 316.5770 321.5924 349.4208 349.7275 384.6329 378.7255 422.2462 408.5919 462.3017

积在整个外推配合范围的贴合性和预测的间隔。默认情况下，适合绘制在数据的范围。看到从拟合外推值，绘制拟合之前设置的轴的上面的x限制到2050。要绘制预测区间，使用predobs要么predfun随着剧情的类型。

图（CDATE，流行，'O'）XLIM（[1900,2050]）保持上图（曲线拟合，'predobs'）保持离

获取模型方程

输入合适的名称，以显示该模型方程的拟合系数，并为安装系数的置信区间。

曲线拟合

曲线拟合=线性模型POLY3：曲线拟合（X）= P1 * X ^ 3 + P2 * X ^ 2 + P3 * X + P4，其中x是通过平均1890归一化和std 62.05系数（具有95％置信界限）：P1 = 0.921（-0.9743，2.816）P2 = 25.18（23.57，26.79）P3 = 73.86（70.33，77.39）P4 = 61.74（59.69，63.8）

若要仅获取模型方程，利用式。

式（曲线拟合）

ANS = 'P1 *的x ^ 3 + P2 * X ^ 2 + P3 * X + P4'

获取系数名称和值

按名称指定的系数。

P1 = curvefit.p1

P1 = 0.9210

P2 = curvefit.p2

P2 = 25.1834

获取所有的系数名字。看看拟合方程（例如，F（X）= P1 * X ^ 3 + ...）以查看每个系数的模型项。

coeffnames（曲线拟合）

ANS =4X1细胞{ 'P1'} { 'P2'} { 'P3'} { 'P4'}

获取所有的系数值。

coeffvalues（曲线拟合）

ANS =1×40.9210 25.1834 73.8598 61.7444

坐上系数置信区间

在使用系数置信区间，以帮助您评估和比较适合。对系数的置信区间确定其准确性。的界限，使相距甚远表示不确定性。如果边界穿越零线系数，你不能确保这些系数从零差异这个手段。如果某些模型项具有系数为零，那么他们不与配合帮助。

confint（曲线拟合）

ANS =2×4-0.9743 23.5736 70.3308 59.6907 2.8163 26.7931 77.3888 63.7981

检查拟合优度拟合统计

要在命令行获得优度拟合统计，您可以：

打开曲线拟合应用和选择飞度>保存到工作区您的配合和拟合优度出口到工作区。
指定GOF使用输出参数适合功能。

重新创建适合指定GOF和输出参数来获得优度拟合统计和拟合算法的信息。

[曲线拟合，GOF，输出] =拟合（CDATE，POP，'POLY3'，“正常化”，'上'）

曲线拟合=线性模型POLY3：曲线拟合（X）= P1 * X ^ 3 + P2 * X ^ 2 + P3 * X + P4，其中x是通过平均1890归一化和std 62.05系数（具有95％置信界限）：P1 = 0.921（-0.9743，2.816）P2 = 25.18（23.57，26.79）P3 = 73.86（70.33，77.39）P4 = 61.74（59.69，63.8）

GOF =同场的结构：上证所：149.7687 rsquare：0.9988 DFE：17 adjrsquare：0.9986 RMSE：2.9682

输出=同场的结构：numobs：21 numparam：4个残差：[21X1双]雅可比：[21x4双] exitflag：1种算法： 'QR分解和解决' 次迭代：1

画出残差的直方图来寻找一个大致正态分布。

直方图（output.residuals，10）

绘制飞度，数据和残差

图（曲线拟合，CDATE，流行，'适合'，“残差”）传说位置西南副区（2,1,1）说明位置西北

查找方法

每一个方法，你可以与配合使用的列表中。

方法（曲线拟合）

类CFIT方法：argnames confint公式numcoeffs setoptions类别dependnames indepnames情节类型CFIT分化整合predint coeffnames feval islinear probnames coeffvalues fitoptions numargs probvalues

使用帮帮我命令找出如何使用一个合适的方法。

帮帮我CFIT /分化

区分区分拟合结果对象。DERIV1 =分化（FITOBJ，X）区分在由X所指定的点的模型FITOBJ并返回结果中DERIV1。FITOBJ是由FIT或CFIT函数生成的适合对象。X是一个矢量。DERIV1是具有相同大小为X.从数学上讲，DERIV1 = d（FITOBJ）/ d（X）的载体。[DERIV1，DERIV2] =分化（FITOBJ，X）分别计算模型FITOBJ的第一和第二导数，DERIV1和DERIV2。又见CFIT /集成FIT，CFIT。