主要内容
Fit的微分与积分
这个例子展示了如何找到一个拟合的一阶导数和二阶导数，以及在预测值处的拟合积分。
创建一个基线正弦信号:
xdata =(0: .1:2 *π)';y0 =罪(xdata);
给信号添加噪声:
噪音= 2 * y0。* randn(大小(y0));% Response-dependent噪音Ydata = y0 +噪声;
用自定义正弦模型拟合噪声数据:
f = fittype (“* sin (b * x)”）;fit1 =适合(xdata ydata f,曾经繁荣的[1]);
找出适合预测者的导数:
(d1, d2) =区分(fit1 xdata);
绘制数据、拟合和导数:
次要情节(1,1)情节(fit1、xdata ydata)% cfit图法次要情节(3、1、2)情节(xdata d1,“米”）%双图法网格在传奇(的一阶导次要情节(3,1,3)情节(xdata, d2,“c”）%双图法网格在传奇(“二阶导数”）
请注意，导数也可以直接用cfit绘图方法计算和绘制，如下所示。然而，绘图方法不返回有关衍生品的数据。
情节(fit1 xdata ydata, {“健康”，“deriv1”，“deriv2”}）
在预测器处找到拟合的积分:
int =集成(fit1 xdata 0);
绘制数据、拟合和积分:
次要情节(2,1,1)情节(fit1、xdata ydata)% cfit图法次要情节(2,1,2)情节(int, xdata“米”）%双图法网格在传奇(“积分”）
注意，积分也可以直接用cfit绘图方法计算和绘制，如下所示。但是，plot方法不返回积分上的数据。
情节(fit1 xdata ydata, {“健康”，“积分”}）
你也可以从以下列表中选择一个网站:
