此示例显示如何使用曲线拟合。
加载普查curvefit = fit(cdate,pop,'poly3'那'正常化'那'上')
curvefit =线性模型poly3:curvefit(x)= p1 * x ^ 3 + p2 * x ^ 2 + p3 * x + p4,其中x由平均1890和std 62.05系数标准化(具有95%的置信度):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)
输出显示拟合系数的拟合模型方程,装配系数和置信度界限。
绘图(曲线文件,Cdate,Pop)
绘制残留物适合。
绘图(曲线装订,Cdate,Pop,'残留')
绘制拟合上的预测范围。
绘图(曲线装订,Cdate,Pop,'predfunc')
通过指定值来评估特定点的拟合X
,使用此表格:y = fittedmodel(x)
。
Curvefit(1991)
ans = 252.6690.
评估价值矢量的模型以推断到2050年。
XI =(2000:10:2050)。';Curvefit(xi)
ans =.6×1276.9632 305.4420 335.5066 367.1802 400.4859 435.4468
在这些值上获取预测范围。
ci = predint(curvefit,xi)
ci =6×2267.8589 286.0674 294.3070 316.5770 321.5924 349.4208 349.7275 349.7275 384.6329 349.7275 384.6329 349.72975 384.6329 384.6329 34842229978/42222975 384.6329 349.72554222975 384.6329 349.72975 384.6329 349.72554222975 384.6329 349.72554222975 384.6329 349.7208 384.6329 384.6329 378.7255 422.2462 408.5919 4627275 384.6329 349。
绘制在外推合适范围的拟合和预测间隔。默认情况下,拟合在数据的范围内绘制。要查看从拟合外推的值,请在绘制拟合之前将轴的上X限制设置为2050。绘制预测间隔,使用促进
要么预先
作为情节类型。
情节(Cdate,Pop,'o')XLIM([1900,2050])持有上绘图(曲线装,'predbs'抱紧关闭
输入适合名称以显示拟合系数的模型方程,装配系数和置信度。
曲线装备
curvefit =线性模型poly3:curvefit(x)= p1 * x ^ 3 + p2 * x ^ 2 + p3 * x + p4,其中x由平均1890和std 62.05系数标准化(具有95%的置信度):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)
只获取模型方程,使用式
。
公式(Curvefit)
ans ='p1 * x ^ 3 + p2 * x ^ 2 + p3 * x + p4'
按名称指定系数。
p1 = curvefit.p1.
P1 = 0.9210.
p2 = curvefit.p2.
P2 = 25.1834.
获取所有系数名称。看看FIT方程(例如,f(x)= p1 * x ^ 3 + ...
)查看每个系数的模型术语。
Coeffnames(曲线码)
ans =.4x1细胞{'p1'} {'p2'} {'p3'} {'p4'}
获取所有系数值。
Coffvalues(Curvefit)
ans =.1×40.9210 25.1834 73.8598 61.7444
在系数上使用置信度界限来帮助您评估和比较适合。系数上的置信度界限决定了它们的准确性。相距甚远的界限表明不确定性。如果界限交叉零用于线性系数,这意味着您无法确定这些系数与零不同。如果某些模型术语具有零系数,则它们并不适合。
挤压(曲线装饰)
ans =.2×4-0.9743 23.5736 70.3308 59.6907 2.8163 22.7931 77.3888 63.7981
要获得命令行的良好统计数据,您可以:
打开曲线拟合应用程序并选择适合>保存到工作区将适合和良好的适合作为工作区出口。
指定GOF.
使用该输出参数适合
功能。
重新创造配合指明GOF.
和输出参数获取拟合统计和拟合算法信息。
[CurveFit,GOF,输出] = FIT(CDate,POP,'poly3'那'正常化'那'上')
curvefit =线性模型poly3:curvefit(x)= p1 * x ^ 3 + p2 * x ^ 2 + p3 * x + p4,其中x由平均1890和std 62.05系数标准化(具有95%的置信度):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 =结构与字段:SSE:149.7687 RSQUARE:0.9988 DFE:17 adjrsquare:0.9986 RMSE:2.9682
输出=结构与字段:numobs:21 numparam:4残差:[21x1 double] jacobian:[21x4 double] extflag:1算法:'qr分解和解决'迭代:1
绘制残留的直方图,以寻找大致正常的分布。
直方图(Output.Residuals,10)
绘图(曲线装订,Cdate,Pop,'适合'那'残留')传奇位置西南子图(2,1,1)传奇位置西北
列出可以使用适合使用的每个方法。
方法(Curvefit)
方法CFIT类:Argnames unfint公式Numcoeffs SetOptions类别Depenname Indepnames绘图类型CFIT差异集成预测COEffnames Feval Islinequens Coffvalues Fitoptions Numargs Probalues
使用救命
命令以了解如何使用拟合方法。
救命CFIT /差异化
区分差异化拟合结果对象。Deriv1 = Scensyiate(fitobj,x)将模型fitobj与x指定的点区分开来,并返回deriv1的结果。fitobj是由拟合或CFIT功能生成的适合对象。x是矢量。Deriv1是与x的尺寸相同的向量。数学上讲,deriv1 = d(fitobj)/ d(x)。[deriv1,deriv2] =分化(fitobj,x)分别计算型号fitobj的第一和第二导数,deriv1和deriv2。另见CFIT /集成,适合CFIT。