这个例子说明了如何使用曲线拟合工作。
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。
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')
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
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
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'
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
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
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)
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
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。