这个例子展示了如何使用曲线拟合。
负载人口普查curvefit =适合(cdate、流行、“poly3”,“正常化”,“上”)
系数(95%置信限):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、拟合系数和拟合系数的置信界限。
情节(curvefit cdate流行)
绘制残差拟合图。
情节(curvefit cdate、流行、“残差”)
绘制拟合的预测界限。
情节(curvefit cdate、流行、“predfunc”)
通过指定的值来计算在特定点上的适合度x
,请使用以下表格:y = fittedmodel (x)
.
curvefit (1991)
ans = 252.6690
评估模型在一个向量的价值外推到2050年。
ξ=(2000:10:2050)。';curvefit (xi)
ans =6×1276.9632 305.4420 335.5066 367.1802 400.4859 435.4468
获得这些值的预测界限。
ci = predint (curvefit 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
在外推拟合范围内绘制拟合和预测区间。默认情况下,拟合是在数据范围内绘制的。要查看从匹配中推断出的值,在绘制匹配之前将坐标轴的x上限设置为2050。要绘制预测区间,使用predobs
或predfun
作为情节类型。
情节(cdate、流行,“o”) xlim((1900、2050))在情节(curvefit“predobs”)举行从
输入拟合名称以显示模型方程、拟合系数和拟合系数的置信界限。
curvefit
系数(95%置信限):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)
要得到模型方程,请使用公式
.
公式(curvefit)
= 'p1*x^ 2 + p2*x^2 + p3*x + p4'
通过名称指定一个系数。
p1 = curvefit.p1
p1 = 0.9210
p2 = curvefit.p2
p2 = 25.1834
得到所有系数的名称。看看拟合方程(例如,f (x) = p1 * x ^ 3 +……
)来查看每个系数的模型项。
coeffnames (curvefit)
ans =4 x1细胞{'p1'} {'p2'} {'p3'} {'p4'}
得到所有的系数值。
coeffvalues (curvefit)
ans =1×40.9210 25.1834 73.8598 61.7444
使用系数的置信界限来帮助您评估和比较适合度。系数的置信界限决定了它们的准确性。距离很远的界限表明不确定性。如果线性系数的边界为零,这意味着你不能确定这些系数与零不同。如果某些模型项的系数为零,那么它们对拟合没有帮助。
confint (curvefit)
ans =2×4-0.9743 23.5736 70.3308 59.6907 2.8163 26.7931 77.3888 63.7981
要在命令行中获得合适的统计信息,您可以:
打开曲线拟合app并选择Fit >保存到工作区导出您的适合和适合的优点到工作空间。
指定gof
使用适合
函数。
重新创建适合指定gof
和输出参数,得到拟合优度统计信息和拟合算法信息。
[gof curvefit,输出]=适合(cdate、流行、“poly3”,“正常化”,“上”)
系数(95%置信限):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 =结构体字段:Sse: 149.7687 rsquare: 0.9988 dfe: 17 adjrsquare: 0.9986 rmse: 2.9682
输出=结构体字段:nummobs: 21 numparam: 4 residuals: [21x1 double] Jacobian: [21x4 double] exitflag: 1 algorithm: 'QR分解和求解' iterations: 1
绘制残差的直方图来寻找一个粗略的正态分布。
直方图(output.residuals, 10)
情节(curvefit cdate、流行、“健康”,“残差”传说)位置西南次要情节(2,1,1)传奇位置西北
列出每一个适合你的方法。
方法(curvefit)
方法类cfit: argnames限制公式numcoeffs setoptions类dependnames indepnames plot类型cfit differentiate集成predint coeffnames feval islinear probnames coeffvalues fitoptions numargs probvalues
使用帮助
命令找出如何使用合适的方法。
帮助cfit /区分
DIFFERENTIATE区分适合的结果对象。derivative =微分(FITOBJ,X)在X指定的点上微分模型FITOBJ,并在derivative中返回结果。FITOBJ是Fit或CFIT函数生成的Fit对象。X是一个向量。派生1是与X大小相同的向量。从数学上讲,派生1 = D(FITOBJ)/D(X)。[DERIV1,DERIV2] =微分(FITOBJ, X)分别计算模型FITOBJ的一阶导数和二阶导数,分别为DERIV1和DERIV2。参见CFIT/ integration, FIT, CFIT。